VAE(Variational Auto-Encoder)和GAN(Ganerative Adversarial Networks)都是生成模型(Generative model)。所谓生成模型,即能生成样本的模型。我们可以将训练集中的数据点看作是某个随机分布抽样出来的样本,比如:MNIST手写体样本,我们就可将每一幅图像看作是一个随机分布
p(x)
的抽样(实例)。如果我们能够得到这样的一个随机模型,我们就可以无限制地生成样本,再无采集样本的烦恼。但这个随机分布
p(x)
我们并不知道,需要通过对训练集的学习来得到它,或者逼近它。要逼近一个随机分布,其基本思想是:将一个已知的,可控的随机分布
q(z)
映射到目标随机分布
p(x)
上。在深度学习领域中,有两个典型的生成模型:1、VAE,变分自编码器;2、GAN,生成对抗性网络,它们的结构如图1、图2:
图1 VAE结构图
图2 GAN结构图
VAE的工作流程是:
1、在训练集(Dataset)中抽样,得到样本
xi
,
xi
经过神经网络编码器(NN Encoder)得到一个正态分布(
N(μi,σ2i)
)的充分统计量:均值(以图1为例进行解释,
μi=(m1,m2,m3)
)和方差(
σi=(σ1,σ2,σ3)
);
2、由
N(μi,σ2i)
抽样得到
zi
, 已知
zi
的分布是标准正态分布
N(0,1)
;
3、
zi
经过NN_Decoder得到输出
x̂i
4、
Loss=‖x̂i−xi‖
,训练过程就是让Loss取得最小值。
5、训练好的模型,我们可以利用Decoder生成样本,即将已知分布
q(z)
的样本通过Decoder映射成目标
p(x)
分布的样本。
以上过程可以用图3进行概括。
图3 VAE原理图
为比较VAE和GAN的差异,参考图4,简述GAN的工作原理如下:
1、在一个已知的、可控的随机分布
q(z)
(e.g.:多维正态分布
q(z)=N(μ,σ2)
)采样,得到
zi
;
2、
zi
经过生成器映射
G(zi)
得到在样本空间(高维空间)的一个数据点
xgi
,有
xgi=G(zi)
;
3、
xgi
与样本流型(Manifolds)之间的距离在图中表示为
D(‖xgi,x̂gi)=‖xgi−x̂gi‖
,其中
x̂gi
表示
xgi
在流型上的投影,生成器的目标是减少此距离,可以将此距离定义为生成器的损失(Loss)。
4、因为不能直接得到样本的流型,因而需要借助判别器(Discriminator)间接地告诉生成器(Generator)它生成的样本距样本流型是“远了”还是“近了”,即判别真(real)和假(fake)正确的概率,一方面要判别器提高判别准确性,一方面又要提高生成器的以假乱真的能力,由此形成了竞争导致的均衡,使判别器和生成器两者性能同时提高,最后我们可获得最优的生成器。
5、理想的最优生成器,能将生成的
xgi
映射到样本分布的流型中(即图中阴影部分)
图4 GAN原理
由GAN的生成过程,我们可以很直观地得到两个GAN缺陷的解释(详细分析可见《Wasserstein GAN》):
1、模型坍塌(Model collapse)
GAN只要求将
xgi
映射至离样本分布流型尽可能近的地方,却不管是不是同一个点,于是生成器有将所有
zi
都映射为一点的倾向,于是模型坍塌就发生了。
2、不收敛
由于生成器的Loss依赖于判别器Loss后向传递,而不是直接来自距离
D(xgi,x̂gi)
,因而若判别器总是能准确地判别出真假,则向后传递的信息就非常少(体现为梯度为0),则生成器便无法形成自己的Loss,因而便无法有效地训练生成器。正是因为这个原因,《Wasserstein GAN》才提出了一个新的距离定义(Wasserstein Distance)应用于判别器,而不是原型中简单粗暴的对真伪样本的分辨正确的概率。Wasserstein Distance所针对的就是找一个方法来度量
D(xgi,x̂gi)
。
比较VAE与GAN的效果,我们可以得到以下两点:
1、GAN生成的效果要优于VAE
2、GAN比VAE要难于训练
文章:Variational Inference: A Unified Framework of Generative Models and Some Revelations,原文:arXiv:1807.05936,中文链接:https://kexue.fm/archives/5716。文章来自中山大学 数学学院 苏剑林。文中为两个生成模型建立了统一的框架,并提出一种为训练Generator而设计的正则项原理,它可以作为《Wasserstein GAN》的一个补充,因为WGAN给出的是GAN判别器Loss的改进意见,而该文却是对生成器下手,提出生成器的一个正则项原则。
以下是从变分推断(Variational Inference)角度对两个模型的推导过程:
p(x)
是真实随机变量的分布,样本集中的数据可认为是从这个分布中抽样出来的样本,它是未知的。我们希望用一个可控的、已知的分布
q(x)
来逼近它,或者说让这两个分布尽量重合。如何实现这个目标呢?一个直观的思路是:从一个已知的分布出发,对其中的随机变量进行映射,得到一个新的分布,这个映射后分布与目标分布尽量重合。在VAE中,这个映射由Decoder完成;在GAN中,这个映射由Generator来完成。而已知分布可以是:均匀分布或正态分布,例如:随机变量
z
服从多维标准正态分布
z∼N(0,1)
,它经过映射得到
xgi
,为表述方便我们统一用
G(zi)=xgi,xgi∼q(x)
表示经过映射后的随机变量
xg
服从分布
q(x)
,它与真实变量分布
xr∼p(x)
在同一个空间
X
。我们希望得到尽可能与
p(x)
重合的
q(x)
。
为达到“尽量”这一目标,需要对重合程度进行量化,于是我们定义了一个测度的指标——KL散度:
KL(p(x)‖q(x))=∫p(x)logp(x)q(x)dx(1)
当p(x)与q(x)完全重合,有
KL(p(x)‖q(x))=0
,否则
KL(p(x)‖q(x))>0
。直接求上述真实分布
p(x)
与生成分布
q(x)
的KL散度
KL(p(x)‖q(x))
有时十分困难,往往需要引入隐变量(Latent Variables)构成联合分布
p(x,z)
和
q(x,z)
,计算
KL(p(x,z)‖q(x,z))
来代替直接计算
KL(p(x)‖q(x))
。
(1)GAN的联合分布
p(x,z)
的拟合
GAN在Generator生成了
xgi
将与真实样本
xri
一起作为输入
x
,进入一个二选一选择器,该选择器以一定的概率(比如说50%)选择其一(选择器可以看成是随机变量
y
,它服从服从0-1分布),
x
接着进入判决器,判决器判定输入
x
的是真实样本(
xr
),判断为1,或是生成样本(
xg
),判断为0,最后输出给定
x
判为1的概率。
令联合分布是输入
x
和选择器
y
的分布,
p(x,y)
表示真实的联合分布,而
q(x,y)
是判别器可控制的联合分布,是为拟合真实分布所设计的分布,由上机制可见,在
q(x,y)
中,
x
与
y
其实是相互独立的,因而有:
q(x,y)={p(x)⋅p1q(x)⋅p0if y=1 if y=0 (2)
其中,
p1
表示
y=1
的概率,
p0
表示
y=0
的概率,有
p1+p0=1
。若判别器有足够的拟合能力,并达到最优时,则
q(x,y)→p(x,y)
,这意味着:
q(x)=∑yq(x,y)→∑yp(x,y)=p(x)(3)
为拟合,由(2)可得两个联合分布KL散度:
KL(q(x,y)‖p(x,y))=∫[ p(x)⋅p1logp(x)p1p(y=1|x)p(x)+q(x)⋅p0logq(x)p0p(y=0|x)p(x)] dx(4)
令
p1=p0=0.5
,以
KL(q(x,y)‖p(x,y))
为Loss,因为
p1
、
p0
、
p(x)
、
q(x)
与判别器参数无关,另外,判别器的输出是
p(y=1|x)=D(x)
,因而:
KL(q(x,y)‖p(x,y))∼∫p(x)log1p(y=1|x)dx+∫q(x)log1p(y=0|x)dx=∫p(x)log1D(x)dx+∫q(x)log11−D(x)dx=−Ex∼p(x)(logD(x))−Ex∼q(x)(log(1−D(x)))(5)
GAN的判别器要尽量分辨两个分布,因而要KL散度尽可能大,因而若(5)式要作为判别器的Loss,则需取反,即:
LossD=Ex∼p(x)(logD(x))+Ex∼q(x)(log(1−D(x)))(6)D=argminD[Ex∼p(x)(logD(x))+Ex∼q(x)(log(1−D(x)))](7)
(6)式与传统GAN判别器Loss分析结果(可参见:
https://blog.csdn.net/StreamRock/article/details/81096105)相同。
讨论完判别器Loss_D,接下来讨论生成器的Loss_G,同样从(4)式入手,此时可调的参数是生成器的参数,
p1
、
p0
、
p(x)
、
p(y=1|x)
(即
D(x)
)与生成器参数无关,与之相关的是
q(x)
,因而有:
KL(q(x,y)‖p(x,y))=∫[ p(x)⋅p1logp(x)p1p(y=1|x)p(x)+q(x)⋅p0logq(x)p0p(y=0|x)p(x)] dx∼∫q(x)logq(x)(1−D(x))p(x)dx(8)
最优判决器应该具有如下特性:
D(x)=p(x)p(x)+q(x)(9)
(9)式可以从图5,直接得到。
图5 最优判决器
将(9)代入(8)有:
Loss_G=∫q(x)logq(x)(1−D(x))p(x)dx=∫q(x)logq(x)(1−p(x)p(x)+q(x))p(x)dx=∫q(x)log1p(x)p(x)+q(x)dx=−∫q(x)logD(x)dx=−Ex∼q(x)(logD(x))=−Ez∼N(0,1)(logD(G(z)))(10)
于是可采用(10)作为生成器的损失Loss_G,与传统推导的结果一致。考察(9)式,式中
q(x)
实际上是不断变化的,因而我们将(9)改造一下,
q0(x)
表示前一次生成器的状态,于是有:
D(x)=p(x)p(x)+q0(x)(11)Loss_G=∫q(x)logq(x)(1−D(x))p(x)dx=∫q(x)logq(x)(1−p(x)p(x)+q0(x))p(x)dx=∫q(xlogq(x)D(x)q0(x)dx)=−Ex∼q(x)[logD(x)]+KL(q(x)‖q0(x))=−Ez∼N(0,1)[logD(G(z))]+KL(q(x)‖q0(x))(12)
比较(10)与(12)发现(12)多了一项
KL(q(x)‖q0(x))
,此为生成器Loss的正则项,它要求
q(x)
与
q0(x)
尽可能小,由此可实现生成器的正则项,详细分析可见:
https://kexue.fm/archives/5716