[[419418]]

以往人們普遍認為生成圖像是不可能完成的任務，因為按照傳統(tǒng)的機器學習思路，我們根本沒有真值（ground truth）可以拿來檢驗生成的圖像是否合格。

2014年，Goodfellow等人則提出生成 對抗網絡（Generative Adversarial Network, GAN） ，能夠讓我們完全依靠機器學習來生成極為逼真的圖片。GAN的橫空出世使得整個人工智能行業(yè)都為之震動，計算機視覺和圖像生成領域發(fā)生了巨變。

本文將帶大家了解 GAN的工作原理 ，并介紹如何 通過PyTorch簡單上手GAN 。

GAN的原理

按照傳統(tǒng)的方法，模型的預測結果可以直接與已有的真值進行比較。然而，我們卻很難定義和衡量到底怎樣才算作是“正確的”生成圖像。

Goodfellow等人則提出了一個有趣的解決辦法：我們可以先訓練好一個分類工具，來自動區(qū)分生成圖像和真實圖像。這樣一來，我們就可以用這個分類工具來訓練一個生成網絡，直到它能夠輸出完全以假亂真的圖像，連分類工具自己都沒有辦法評判真假。

按照這一思路，我們便有了GAN：也就是一個 生成器（generator） 和一個 判別器（discriminator） 。生成器負責根據給定的數據集生成圖像，判別器則負責區(qū)分圖像是真是假。GAN的運作流程如上圖所示。

損失函數

在GAN的運作流程中，我們可以發(fā)現一個明顯的矛盾：同時優(yōu)化生成器和判別器是很困難的?？梢韵胂?，這兩個模型有著完全相反的目標：生成器想要盡可能偽造出真實的東西，而判別器則必須要識破生成器生成的圖像。

為了說明這一點，我們設D(x)為判別器的輸出，即x是真實圖像的概率，并設G(z)為生成器的輸出。判別器類似于一種二進制的分類器，所以其目標是使該函數的結果最大化：這一函數本質上是非負的二元交叉熵損失函數。另一方面，生成器的目標是最小化判別器做出正確判斷的機率，因此它的目標是使上述函數的結果最小化。

因此，最終的損失函數將會是兩個分類器之間的極小極大博弈，表示如下：理論上來說，博弈的最終結果將是讓判別器判斷成功的概率收斂到0.5。然而在實踐中，極大極小博弈通常會導致網絡不收斂，因此仔細調整模型訓練的參數非常重要。

在訓練GAN時，我們尤其要注意學習率等超參數，學習率比較小時能讓GAN在輸入噪音較多的情況下也能有較為統(tǒng)一的輸出。

計算環(huán)境

庫

本文將指導大家通過PyTorch搭建整個程序（包括torchvision）。同時，我們將會使用Matplotlib來讓GAN的生成結果可視化。以下代碼能夠導入上述所有庫：

""" 
Import necessary libraries to create a generative adversarial network 
The code is mainly developed using the PyTorch library 
""" 
import time 
import torch 
import torch.nn as nn 
import torch.optim as optim 
from torch.utils.data import DataLoader 
from torchvision import datasets 
from torchvision.transforms import transforms 
from model import discriminator, generator 
import numpy as np 
import matplotlib.pyplot as plt 

數據集

數據集對于訓練GAN來說非常重要，尤其考慮到我們在GAN中處理的通常是非結構化數據（一般是圖片、視頻等)，任意一class都可以有數據的分布。這種數據分布恰恰是GAN生成輸出的基礎。

為了更好地演示GAN的搭建流程，本文將帶大家使用最簡單的MNIST數據集，其中含有6萬張手寫阿拉伯數字的圖片。

像 MNIST 這樣高質量的非結構化數據集都可以在 格物鈦 的 公開數據集 網站上找到。事實上，格物鈦Open Datasets平臺涵蓋了很多優(yōu)質的公開數據集，同時也可以實現 數據集托管及一站式搜索的功能 ，這對AI開發(fā)者來說，是相當實用的社區(qū)平臺。

硬件需求

一般來說，雖然可以使用CPU來訓練神經網絡，但最佳選擇其實是GPU，因為這樣可以大幅提升訓練速度。我們可以用下面的代碼來測試自己的機器能否用GPU來訓練：

""" 
Determine if any GPUs are available 
""" 
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') 

實現

網絡結構

由于數字是非常簡單的信息，我們可以將判別器和生成器這兩層結構都組建成全連接層（fully connected layers）。

我們可以用以下代碼在PyTorch中搭建判別器和生成器：

""" 
Network Architectures 
The following are the discriminator and generator architectures 
""" 
 
class discriminator(nn.Module): 
    def __init__(self): 
        super(discriminator, self).__init__() 
        self.fc1 = nn.Linear(784, 512) 
        self.fc2 = nn.Linear(512, 1) 
        self.activation = nn.LeakyReLU(0.1) 
 
    def forward(self, x): 
        x = x.view(-1, 784) 
        x = self.activation(self.fc1(x)) 
        x = self.fc2(x) 
        return nn.Sigmoid()(x) 
 
 
class generator(nn.Module): 
    def __init__(self): 
        super(generator, self).__init__() 
        self.fc1 = nn.Linear(128, 1024) 
        self.fc2 = nn.Linear(1024, 2048) 
        self.fc3 = nn.Linear(2048, 784) 
        self.activation = nn.ReLU() 
 
def forward(self, x): 
    x = self.activation(self.fc1(x)) 
    x = self.activation(self.fc2(x)) 
    x = self.fc3(x) 
    x = x.view(-1, 1, 28, 28) 
    return nn.Tanh()(x) 

訓練

在訓練GAN的時候，我們需要一邊優(yōu)化判別器，一邊改進生成器，因此每次迭代我們都需要同時優(yōu)化兩個互相矛盾的損失函數。

對于生成器，我們將輸入一些隨機噪音，讓生成器來根據噪音的微小改變輸出的圖像：

""" 
Network training procedure 
Every step both the loss for disciminator and generator is updated 
Discriminator aims to classify reals and fakes 
Generator aims to generate images as realistic as possible 
""" 
for epoch in range(epochs): 
    for idx, (imgs, _) in enumerate(train_loader): 
        idx += 1 
 
        # Training the discriminator 
        # Real inputs are actual images of the MNIST dataset 
        # Fake inputs are from the generator 
        # Real inputs should be classified as 1 and fake as 0 
        real_inputs = imgs.to(device) 
        real_outputs = D(real_inputs) 
        real_label = torch.ones(real_inputs.shape[0], 1).to(device) 
 
        noise = (torch.rand(real_inputs.shape[0], 128) - 0.5) / 0.5 
        noise = noise.to(device) 
        fake_inputs = G(noise) 
        fake_outputs = D(fake_inputs) 
        fake_label = torch.zeros(fake_inputs.shape[0], 1).to(device) 
 
        outputs = torch.cat((real_outputs, fake_outputs), 0) 
        targets = torch.cat((real_label, fake_label), 0) 
 
        D_loss = loss(outputs, targets) 
        D_optimizer.zero_grad() 
        D_loss.backward() 
        D_optimizer.step() 
 
        # Training the generator 
        # For generator, goal is to make the discriminator believe everything is 1 
        noise = (torch.rand(real_inputs.shape[0], 128)-0.5)/0.5 
        noise = noise.to(device) 
 
        fake_inputs = G(noise) 
        fake_outputs = D(fake_inputs) 
        fake_targets = torch.ones([fake_inputs.shape[0], 1]).to(device) 
        G_loss = loss(fake_outputs, fake_targets) 
        G_optimizer.zero_grad() 
        G_loss.backward() 
        G_optimizer.step() 
 
        if idx % 100 == 0 or idx == len(train_loader): 
            print('Epoch {} Iteration {}: discriminator_loss {:.3f} generator_loss {:.3f}'.format(epoch, idx, D_loss.item(), G_loss.item())) 
 
    if (epoch+1) % 10 == 0: 
        torch.save(G, 'Generator_epoch_{}.pth'.format(epoch)) 
        print('Model saved.') 

結果

經過100個訓練時期之后，我們就可以對數據集進行可視化處理，直接看到模型從隨機噪音生成的數字：

我們可以看到，生成的結果和真實的數據非常相像?？紤]到我們在這里只是搭建了一個非常簡單的模型，實際的應用效果會有非常大的上升空間。

不僅是有樣學樣

GAN和以往機器視覺專家提出的想法都不一樣，而利用GAN進行的具體場景應用更是讓許多人贊嘆深度網絡的無限潛力。下面我們來看一下兩個最為出名的GAN延申應用。

CycleGAN

朱俊彥等人2017年發(fā)表的CycleGAN能夠在沒有配對圖片的情況下將一張圖片從X域直接轉換到Y域，比如把馬變成斑馬、將熱夏變成隆冬、把莫奈的畫變成梵高的畫等等。這些看似天方夜譚的轉換CycleGAN都能輕松做到，并且結果非常準確。

GauGAN

英偉達則通過GAN讓人們能夠只需要寥寥數筆勾勒出自己的想法，便能得到一張極為逼真的真實場景圖片。雖然這種應用需要的計算成本極為高昂，但是GauGAN憑借它的轉換能力探索出了前所未有的研究和應用領域。

結語

相信看到這里，你已經知道了GAN的大致工作原理，并且能夠自己動手簡單搭建一個GAN了。