这一篇主要是关于生成对抗网络的模型笔记，有一些简单的证明和原理，是根据李宏毅老师的课程整理的，下面有链接。本篇文章主要就是梳理基础的概念和训练过程，如果有什么问题的话也可以指出的。

李宏毅老师的课程链接

1.概述

GAN是Generative Adversarial Networks的缩写，也就是生成对抗网络，最核心在于训练两个网络分别是generator和discriminator，generator主要是输入一个向量，输出要生成的目标，discriminator接受一个输出的目标，然后输出为真的概率（来说就是打分）。

假设任务是生成一组图片，现在输入是一组图片数据集，一开始随便生成乱七八糟的数据，训练共有两个核心的步骤：

1. 更新discriminator，将真实数据标记为1，生成的数据标记为0，然后进行训练，那么discrimator就可以辨别生成图片。
2. 更新generator，更新生成网络的参数，让生成网络生成的图片能让discriminator输出尽可能大（打分尽可能高，也就是骗过discriminator）。
3. 回到1，重复这个过程。

下面是最原始的论文提出的伪代码：

可以看到第一个阶段是在更新discriminator，D(x)表示对输入图像x的判别，损失函数是两项累加，前面的$x^i$表示真实输入，这些应该输出1，后面的${\tilde{x}}^i$表示生成数据，这些应该给低分（接近0），两项的目标都是越大越好，所以$\tilde{V}$越大越好，因此${\theta }_d$是梯度上升优化。

第二阶段在更新generator，$G(z^i)$就是对一个向量生成一个目标，然后进行打分，也是越大越好，因此梯度上升优化，这一部分的目标就是让生成的图片尽量得高分。

循环多次迭代就可以得到预期网络。

当然目前我还有一些疑问：

1. generator输出的图片是如何保证风格和数据集类似的？

   应该是必须要像原风格一样的才能得到高分。

2. 输入的向量是随机的，如何可控输入向量和输出特征的关系？如何解释每个输入的数字？（比如我想生成蓝色的头发，那么这个是可控的吗）
   这个可能要看了一些具体的代码才能理解。

2.原理简单分析

生成一个图片或者一个语音本质是映射到一个高维点的问题，比如32×32的黑白图片就是$2^{32\times 32}$空间中的一个点。下面都以图片生成任务为例，假设真实分布是$P_{data}$，生成的分布是$P_G$，只有生成的点（图片）到了真实的分布中，才有极大可能是看上去真实的，因此目标就是让生成的分布$P_G$尽可能接近真实的分布$P_{data}$，方法就是KL散度或者JS散度，因此一个理想的生成器应该是这样的：
$$G^{\ast }=arg\underset{G}{\min }Div(P_G,P_{data})$$其中Div衡量两个分布的差异，而$G^{\ast }$就是所有生成器$G$中有着最小差异的那个，也就是最优的。

然而，实际情况中，真实的分布和实际的分布都是未知的，一些传统的算法可能假设高斯分布，但是很多时候可能不正确。

虽然不能直接得到分布，但是可以进行采样（Sample），在GAN中，discriminator就扮演了计算两个分布差异的角色，给出下式：
$$V(G,D)=E_{x\sim P_{data}}log(D(x))+E_{x\sim P_G}log(1-D(x))$$其中$D(x)$表示一个discriminator对一个generator生成的结果进行打分，介于$[0,1]$，下面证明这个式子本质上也是JS散度或者KL散度：

---

证明：
$$\begin{gathered} \max E_{x\sim P_{data}}log(D(x))+E_{x\sim P_G}log(1-D(x)) \\ =\max {\int }_x{p}_{data}(x)log(D(x))+{\int }_x{p}_G(x)log(1-D(x)) \\ =\max {\int }_x{p}_{data}(x)log(D(x))+p_G(x)log(1-D(x)) \end{gathered}$$
这里假设D(x)可以拟合任何函数，那么对于任意一个x取值$x^{\ast }$，$D(x^{\ast })$都可以对应任何数值，这就意味着可以对每个x都计算最大值，然后求和得到最大值。

设$a=p_{data}(x),b=p_G(x),D(x)=t$，那么可以得到下式：
$$f(t)=alog(t)+blog(1-t)$$求导计算最小值对应的t：（直接假设e为底了）
$$f^{\prime }(t)=\frac{a}{x}-\frac{b}{1-x}$$
令$f^{\prime }(t)=0$，得到$t=\frac{a}{a+b}$，代入$a,b,t$，假设这个值为最优值$D^{\ast }(x)$：
$$D^{\ast }(x)=\frac{p_{data}(x)}{p_{data}(x)+p_G(x)}$$此时每个x都有对应的$D^{\ast }(x)$，代入得到：
$$\begin{gathered} \max {\int }_x{p}_{data}(x)log(D(x))+p_G(x)log(1-D(x)) \\ ={\int }_x{p}_{data}(x)log(D^{\ast }(x))+p_G(x)log(1-D^{\ast }(x)) \\ ={\int }_x{p}_{data}(x)log(\frac{p_{data}(x)}{p_{data}(x)+p_G(x)})+p_G(x)log(\frac{p_G(x)}{p_{data}(x)+p_G(x)}) \\ =-2log2+{\int }_x{p}_{data}(x)log(\frac{p_{data}(x)}{(p_{data}(x)+p_G(x))/2})+p_G(x)log(\frac{p_G(x)}{(p_{data}(x)+p_G(x))/2}) \\ =-2log2+KL(P_{data}||\frac{P_{data}+P_G}{2})+KL(P_G||\frac{P_{data}+P_G}{2}) \\ =-2log2+JSD(P_{data}||P_G) \end{gathered}$$
后面的几步其实不是很理解，不过到第三步，跟交叉熵形式很像，所以都是类似的衡量两个分布的差异。

---

训练一个discriminator，实际上就是为了更好区分真实和生成的样本，那么自然要让这个差异越大越好，此时这个discriminator可以最大程度区分生成和真实。$D^{\ast }$给的打分实际上可以看做生成分布和实际分布的差异。
$$D^{\ast }=arg\underset{D}{\max }V(G,D)$$而训练generator的过程就是为了让discriminator不容易区分真实和生成样本，因此要减少这个差异：
$$D^{\ast }=arg\underset{G}{\min }V(G,D^{\ast })=arg\underset{G}{\min }\underset{D}{\max }V(G,D)$$
也就是现在有一个最优的discriminator $D^{\ast }$，要优化generator使得$D^{\ast }$打分尽量高，也就是：
$${\theta }_g={\theta }_g-\eta \frac{\partial V(G,D^{\ast })}{{\theta }_g}$$这里实际上是对${\theta }_G$也就是生成网络的参数求导，实际的网络架构是：$vector\to {\theta }_G\to out\to {\theta }_D\to score$，这里更新的时候，不更新${\theta }_D$，这也就是固定discriminator的思想。

注意点：每次更新的时候，对discriminator的更新要彻底，对generator的更新次数不能多，如下图：

比如现在训练了一个discriminator是$D_0^{\ast }$，现在要让G变得更强，也就是让$D_0^{\ast }$对G生成的图辨别能力降低，直观体现就是$V(G,D)$变小，但是因为更新参数对生成分布的影响是全局的，那么就可能导致生成图片和实际分布差异变得更大，因为变小的只有$D_0^{\ast }$的得分，可能这时候$D_0^{\ast }$已经不是最好的discriminator，而更好的discriminator可以将生成的和实际的分的更开，就像图二的最大值必原来的还大，那么对应于更高的$D^{\ast }$计算得到的差异比原来还大。（有点绕这里）

所以有一个简单的假设，就是generator更新后的图形基本和原来保持一致，那么此时优化最大值让最大值变小，那么就相当于生成分布和实际分布差异更小，要达到这样的目的，那么不能更新generator太多；而对于discriminator，因为要找到最大值，应该要更新彻底。

3.实际操作

上面都是理论上的分析，下面讲一讲在实际的操作中是怎么做的。

3.1.训练discriminator

一个discriminator其实就是一个二分分类器，输入一个生成的数据，给出为真的概率，所以训练的过程也是和训练分类器是一样的，上面提到了$V(G,D)$优化目标，里面有期望，期望一般会被转化为求多个样本的均值来获得。对于一个确定的生成器G，假设抽样取得m个真实样本X，生成了m个生成样本X’，那么期望可以转化为：
$$\begin{gathered} V(D)=E_{x\sim P_{data}}log(D(x))+E_{x\sim P_G}log(1-D(x)) \\ =>\tilde{V}=\frac{1}{m}\sum _{i=1}^{m}log(D(x_i))+\frac{1}{m}\sum _{i=1}^{m}log(1-D(x_i^{\prime })) \end{gathered}$$
一般会采用梯度上升法：（因为要求最大值）
$${\theta }_d={\theta }_d+\eta {▽}_{{\theta }_d}\tilde{V}({\theta }_d)$$

3.2.训练generator

训练generator实际上是为了减少$V(G,D^{\ast })$，也就是让目前最好的分类器分不清，还是抽样，生成n个样本X’，那么目标如下：
$$V(D)=\frac{1}{m}\sum _{i=1}^{m}log(1-D(G(x_i^{\prime })))$$此时在变的是gegenerator的参数${\theta }_g$，要通过改变生成参数让最好的discriminator得分降低，一般是梯度下降：
$${\theta }_g={\theta }_g-\eta {▽}_{{\theta }_g}\tilde{V}({\theta }_g)$$要注意，不能训练次数太多（一般一次就可以）。

具体的代码实现我还没有去看过，就不进一步展开了，这一篇主要还是记录一些简单的原理。