GAN學習指南：從原理入門到制作生成Demo，總共分幾步？

雷鋒網注：本文作者何之源，復旦大學計算機科學碩士在讀，研究人工智能計算機視覺方向。本文由雷鋒網編輯整理自作者知乎專欄，獲授權發布。

生成式對抗網絡（GAN）是近年來大熱的深度學習模型。最近正好有空看了這方面的一些論文，跑了一個GAN的代碼，于是寫了這篇文章來介紹一下GAN。

本文主要分為三個部分：

• 介紹原始的GAN的原理
  

• 同樣非常重要的DCGAN的原理
  

• 如何在Tensorflow跑DCGAN的代碼，生成如題圖所示的動漫頭像，附送數據集哦 :-)
  

一、GAN原理介紹

說到GAN第一篇要看的paper當然是Ian Goodfellow大牛的Generative Adversarial Networks，這篇paper算是這個領域的開山之作。

GAN的基本原理其實非常簡單，這里以生成圖片為例進行說明。假設我們有兩個網絡，G（Generator）和D（Discriminator）。正如它的名字所暗示的那樣，它們的功能分別是：

• G是一個生成圖片的網絡，它接收一個隨機的噪聲z，通過這個噪聲生成圖片，記做G(z)。
  

• D是一個判別網絡，判別一張圖片是不是“真實的”。它的輸入參數是x，x代表一張圖片，輸出D（x）代表x為真實圖片的概率，如果為1，就代表100%是真實的圖片，而輸出為0，就代表不可能是真實的圖片。

在訓練過程中，生成網絡G的目標就是盡量生成真實的圖片去欺騙判別網絡D。而D的目標就是盡量把G生成的圖片和真實的圖片分別開來。這樣，G和D構成了一個動態的“博弈過程”。

最后博弈的結果是什么？在最理想的狀態下，G可以生成足以“以假亂真”的圖片G(z)。對于D來說，它難以判定G生成的圖片究竟是不是真實的，因此D(G(z)) = 0.5。

這樣我們的目的就達成了：我們得到了一個生成式的模型G，它可以用來生成圖片。

以上只是大致說了一下GAN的核心原理，如何用數學語言描述呢？這里直接摘錄論文里的公式：

簡單分析一下這個公式：

• 整個式子由兩項構成。x表示真實圖片，z表示輸入G網絡的噪聲，而G(z)表示G網絡生成的圖片。

• D(x)表示D網絡判斷真實圖片是否真實的概率（因為x就是真實的，所以對于D來說，這個值越接近1越好）。而D(G(z))是D網絡判斷G生成的圖片的是否真實的概率。

• G的目的：上面提到過，D(G(z))是D網絡判斷G生成的圖片是否真實的概率，G應該希望自己生成的圖片“越接近真實越好”。也就是說，G希望D(G(z))盡可能得大，這時V(D, G)會變小。因此我們看到式子的最前面的記號是min_G。

• D的目的：D的能力越強，D(x)應該越大，D(G(x))應該越小。這時V(D,G)會變大。因此式子對于D來說是求最大(max_D)

下面這幅圖片很好地描述了這個過程：

那么如何用隨機梯度下降法訓練D和G？論文中也給出了算法：

這里紅框圈出的部分是我們要額外注意的。第一步我們訓練D，D是希望V(G, D)越大越好，所以是加上梯度(ascending)。第二步訓練G時，V(G, D)越小越好，所以是減去梯度(descending)。整個訓練過程交替進行。

二、DCGAN原理介紹

我們知道深度學習中對圖像處理應用最好的模型是CNN，那么如何把CNN與GAN結合？DCGAN是這方面最好的嘗試之一（點擊查看論文）

DCGAN的原理和GAN是一樣的，這里就不在贅述。它只是把上述的G和D換成了兩個卷積神經網絡（CNN）。但不是直接換就可以了，DCGAN對卷積神經網絡的結構做了一些改變，以提高樣本的質量和收斂的速度，這些改變有：

• 取消所有pooling層。G網絡中使用轉置卷積（transposed convolutional layer）進行上采樣，D網絡中用加入stride的卷積代替pooling。

• 在D和G中均使用batch normalization

• 去掉FC層，使網絡變為全卷積網絡

• G網絡中使用ReLU作為激活函數，最后一層使用tanh

• D網絡中使用LeakyReLU作為激活函數

DCGAN中的G網絡示意：

三、DCGAN in Tensorflow

好了，上面說了一通原理，下面說點有意思的實踐部分的內容。

DCGAN的原作者用DCGAN生成LSUN的臥室圖片，這并不是特別有意思。之前在網上看到一篇文章 Chainerで顔イラストの自動生成 - Qiita ，是用DCGAN生成動漫人物頭像的，效果如下：

這是個很有趣的實踐內容。可惜原文是用Chainer做的，這個框架使用的人不多。下面我們就在Tensorflow中復現這個結果。

1. 原始數據集的搜集

首先我們需要用爬蟲爬取大量的動漫圖片，原文是在這個網站：http://safebooru.donmai.us/中爬取的。我嘗試的時候，發現在我的網絡環境下無法訪問這個網站，于是我就寫了一個簡單的爬蟲爬了另外一個著名的動漫圖庫網站：konachan.net。

爬蟲代碼如下：

這個爬蟲大概跑了一天，爬下來12萬張圖片，大概是這樣的：

可以看到這里面的圖片大多數比較雜亂，還不能直接作為數據訓練，我們需要用合適的工具，截取人物的頭像進行訓練。

2. 頭像截取

截取頭像和原文一樣，直接使用github上一個基于opencv的工具：nagadomi。

簡單包裝下代碼：

截取頭像后的人物數據：

這樣就可以用來訓練了！

如果你不想從頭開始爬圖片，可以直接使用我爬好的頭像數據（275M，約5萬多張圖片）：百度云盤 提取碼：g5qa

3. 訓練

DCGAN在Tensorflow中已經有人造好了輪子：carpedm20/DCGAN，我們直接使用這個代碼就可以了。

不過原始代碼中只提供了有限的幾個數據庫，如何訓練自己的數據？在model.py中我們找到讀數據的幾行代碼：

if config.dataset == 'mnist':
           data_X, data_y = self.load_mnist()
       else:
           data = glob(os.path.join("./data", config.dataset, "*.jpg"))

這樣讀數據的邏輯就很清楚了，我們在data文件夾中再新建一個anime文件夾，把圖片直接放到這個文件夾里，運行時指定--dataset anime即可。

運行指令（參數含義：指定生成的圖片的尺寸為48x48，我們圖片的大小是96x96，跑300個epoch）：

python main.py --image_size 96 --output_size 48 --dataset anime --is_crop True --is_train True --epoch 300

4. 結果

第1個epoch跑完（只有一點點輪廓）：

第5個epoch之后的結果：

第10個epoch：

200個epoch，仔細看有些圖片確實是足以以假亂真的：

題圖是我從第300個epoch生成的。

四、總結和后續

簡單介紹了一下GAN和DCGAN的原理。以及如何使用Tensorflow做一個簡單的生成圖片的demo。

一些后續閱讀：

Ian Goodfellow對GAN一系列工作總結的ppt，確實精彩，推薦：GAN之父NIPS 2016演講現場直擊：全方位解讀生成對抗網絡的原理及未來

GAN論文匯總，包含code：zhangqianhui/AdversarialNetsPapers

雷峰網特約稿件，未經授權禁止轉載。詳情見轉載須知。