当前位置：首页 > news >正文

生成对抗网络（Generative Adversarial Networks ，GAN）

news 来源：原创 2025/5/15 9:25:41

生成对抗网络是深度学习领域最具革命性的生成模型之一。

一 GAN框架

1.1组成

构造生成器（G）与判别器（D）进行动态对抗，实现数据的无监督生成。

G（造假者）：接收噪声 $z \sim p_z$ ，生成数据 $G(z)$ 。

D（鉴定家）：接收真实数据 $x \sim p_{data}$ 和生成数据 $G(z)$ ，输出概率 $D(x)$ 或 $D(G(z))$

1.2核心原理

对抗目标：

$\min_G \max_D V(D,G) = \mathbb{E}_{x \sim p_{data}}[\log D(x)] + \mathbb{E}_{z \sim p_z}[\log(1 - D(G(z)))]$

该公式为极大极小博弈，D和G互为对手，在动态博弈中驱动模型逐步提升性能。

其中：

第一项（真实性强化） $\mathbb{E}_{x \sim p_{data}}[\log D(x)]$ 的目标为：

让判别器 D 将真实数据 x 识别为“真”（即让 $D(x) \to 1$ ），最大化这一项可使D对真实数据的判断置信度更高。

第二项（生成性对抗）： $\mathbb{E}_{z \sim p_z}[\log(1 - D(G(z)))]$ 的目标为：

生成器G希望生成的假数据 $G(z)$ 被判别器D判为“真”（即让 $D(G(z)) \to 1$ ）从而最小化 $\log(1 - D(G(z)))$ ，判别器D则希望判假数据为“假”（即让 $D(G(z)) \to 0$ ），从而最大化 $\log(1 - D(G(z)))$ 。

生成器和判别器在此项上存在直接对抗。

数学原理：

（1）最优判别器理论

固定生成器G时，最大化 $V(D,G)$ 得到最优判别器 $D^*$ 。

$D^*(x) = \frac{p_{data}(x)}{p_{data}(x) + p_g(x)}$

其中， $p_g(x)$ 是生成数据的分布。当生成数据完美匹配真实分布时 $p_{g} = p_{data}$ ，判别器无法区分真假（输出 $D(x)=0.5 \quad \forall x$ ）。

推导一下：

$V(D, G) = \mathbb{E}_{x \sim p_{data}}[\log D(x)] + \mathbb{E}_{z \sim p_z}[\log(1 - D(G(z)))]$ （1）

转换为积分形式，设真实数据分布为 $p_{data}(x)$ ，生成数据分布为 $p_g(x)$ ，则(1)可以改写为：

$V(D, G) = \int_{x} p_{data}(x) \log D(x) dx + \int_{x} p_g(x) \log(1 - D(x)) dx$ （2）

逐点最大化，对于每个样本 x，单独最大化以下函数：

$f(D(x)) = p_{data}(x) \log D(x) + p_g(x) \log(1 - D(x))$ （3）

求导并解方程：

$f'(D(x)) = \frac{p_{data}(x)}{D(x)} - \frac{p_g(x)}{1 - D(x)} = 0$ （4）

求得：

$D^*(x) = \frac{p_{data}(x)}{p_{data}(x) + p_g(x)}$ （5）

（2）目标化简：JS散度（Jensen-Shannon Divergence）

将最优判别器 $D^*$ 代入原目标函数，可得：

$V(G,D^*) = 2 \cdot JSD(p_{data} \| p_g) - 2\log 2$

最小化目标即等价于最小化 $p_{data}$ 与 $p_g$ 的JS散度。

JS散度特性：对称、非负，衡量两个分布的相似性。

1.3训练过程解释

每个训练步骤包含两阶段：

（1）判别器更新（固定G，最大化 $V(D,G)$ ）：

$\nabla_D \left[ \log D(x) + \log(1 - D(G(z))) \right]$

通过梯度上升优化D的参数，提升判别能力。

（2）生成器更新（固定D，最小化 $V(D,G)$ ）：

$\nabla_G \left[ \log(1 - D(G(z))) \right]$

实际训练中常用 $\nabla_G \left[ -\log D(G(z)) \right]$ 代替以增强梯度稳定性。

训练中出现的问题：

（1）JS散度饱和导致梯度消失

（2）参数空间的非凸优化（存在无数个局部极值，优化算法极易陷入次优解，而非全局最优解）使训练难以收敛

二经典GAN架构

DCGAN（GAN+卷积）

特性	原始GAN	DCGAN
网络结构	全连接层（MLPs）	卷积生成器 + 卷积判别器
稳定性	容易梯度爆炸/消失，难以收敛	通过BN和特定激活函数稳定训练
生成图像分辨率	低分辨率（如32x32）	支持64x64及以上分辨率的清晰图像生成
图像质量	轮廓模糊，缺乏细节	细粒度纹理（如毛发、砖纹）
计算效率	参数量大，训练速度慢	卷积结构参数共享，效率提升

（1）生成器架构（反卷积）

class Generator(nn.Module):def __init__(self, noise_dim=100, output_channels=3):super().__init__()self.main = nn.Sequential(# 输入：100维噪声，输出：1024x4x4nn.ConvTranspose2d(noisel_dim, 512, 4, 1, 0, bias=False),nn.BatchNorm2d(512),nn.ReLU(True),# 上采样至8x8nn.ConvTranspose2d(512, 256, 4, 2, 1, bias=False),nn.BatchNorm2d(256),nn.ReLU(True),# 输出层：3通道RGB图像nn.ConvTranspose2d(64, output_channels, 4, 2, 1, bias=False),nn.Tanh()  # 将输出压缩到[-1,1])

（2）判别器架构（卷积）

class Discriminator(nn.Module):def __init__(self, input_channels=3):super().__init__()self.main = nn.Sequential(# 输入：3x64x64nn.Conv2d(input_channels, 64, 4, 2, 1, bias=False),nn.LeakyReLU(0.2, inplace=True),# 下采样至32x32nn.Conv2d(64, 128, 4, 2, 1, bias=False),nn.BatchNorm2d(128),nn.LeakyReLU(0.2, inplace=True),# 输出层：二分类概率nn.Conv2d(512, 1, 4, 1, 0, bias=False),nn.Sigmoid())

（3）双重优化问题

保持生成器和判别器动态平衡的核心机制。

for epoch in range(num_epochs):# 更新判别器optimizer_D.zero_grad()real_loss = adversarial_loss(D(real_imgs), valid)fake_loss = adversarial_loss(D(gen_imgs.detach()), fake)d_loss = (real_loss + fake_loss) / 2d_loss.backward()optimizer_D.step()# 更新生成器optimizer_G.zero_grad()g_loss = adversarial_loss(D(gen_imgs), valid)  # 欺诈判别器g_loss.backward()optimizer_G.step()

三应用场景

图像合成引擎（语义图到照片）、医学影像增强、语音与音频合成。

GAN作为生成式AI的基石模型，其核心价值不仅在于数据生成能力，更在于构建了一种全新的深度学习范式——通过对抗博弈驱动模型持续进化。

四一个完整DCGAN代码示例

MNIST数据集

import torch
import torch.nn as nn
import torch.optim as optim
import torchvision
import torchvision.datasets as datasets
import torchvision.transforms as transforms
from torch.utils.data import DataLoader
import matplotlib.pyplot as plt
import numpy as np# 参数设置
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
batch_size = 128
image_size = 64
num_epochs = 50
latent_dim = 100
lr = 0.0002
beta1 = 0.5# 数据准备
transform = transforms.Compose([transforms.Resize(image_size),transforms.ToTensor(),transforms.Normalize((0.5,), (0.5,))  # MNIST是单通道
])dataset = datasets.MNIST(root="./data", train=True, transform=transform, download=True)
dataloader = DataLoader(dataset, batch_size=batch_size, shuffle=True, num_workers=4)# 可视化辅助函数
def show_images(images):plt.figure(figsize=(8,8))images = images.permute(1,2,0).cpu().numpy()plt.imshow((images * 0.5) + 0.5)  # 反归一化plt.axis('off')plt.show()# 权重初始化
def weights_init(m):classname = m.__class__.__name__if classname.find('Conv') != -1:nn.init.normal_(m.weight.data, 0.0, 0.02)elif classname.find('BatchNorm') != -1:nn.init.normal_(m.weight.data, 1.0, 0.02)nn.init.constant_(m.bias.data, 0)# 生成器定义
class Generator(nn.Module):def __init__(self, latent_dim):super(Generator, self).__init__()self.main = nn.Sequential(# 输入：latent_dim x 1 x 1nn.ConvTranspose2d(latent_dim, 512, 4, 1, 0, bias=False),nn.BatchNorm2d(512),nn.ReLU(True),# 输出：512 x 4 x 4nn.ConvTranspose2d(512, 256, 4, 2, 1, bias=False),nn.BatchNorm2d(256),nn.ReLU(True),# 输出：256 x 8 x 8nn.ConvTranspose2d(256, 128, 4, 2, 1, bias=False),nn.BatchNorm2d(128),nn.ReLU(True),# 输出：128 x 16x16nn.ConvTranspose2d(128, 64, 4, 2, 1, bias=False),nn.BatchNorm2d(64),nn.ReLU(True),# 输出：64 x 32x32nn.ConvTranspose2d(64, 1, 4, 2, 1, bias=False),nn.Tanh()  # 输出范围[-1,1]# 最终输出：1 x 64x64)def forward(self, input):return self.main(input)# 判别器定义
class Discriminator(nn.Module):def __init__(self):super(Discriminator, self).__init__()self.main = nn.Sequential(# 输入：1 x 64x64nn.Conv2d(1, 64, 4, 2, 1, bias=False),nn.LeakyReLU(0.2, inplace=True),# 输出：64 x32x32nn.Conv2d(64, 128, 4, 2, 1, bias=False),nn.BatchNorm2d(128),nn.LeakyReLU(0.2, inplace=True),# 输出：128x16x16nn.Conv2d(128, 256, 4, 2, 1, bias=False),nn.BatchNorm2d(256),nn.LeakyReLU(0.2, inplace=True),# 输出：256x8x8nn.Conv2d(256, 512, 4, 2, 1, bias=False),nn.BatchNorm2d(512),nn.LeakyReLU(0.2, inplace=True),# 输出：512x4x4nn.Conv2d(512, 1, 4, 1, 0, bias=False),nn.Sigmoid())def forward(self, input):return self.main(input).view(-1, 1).squeeze(1)# 初始化模型
generator = Generator(latent_dim).to(device)
discriminator = Discriminator().to(device)# 应用权重初始化
generator.apply(weights_init)
discriminator.apply(weights_init)# 损失函数和优化器
criterion = nn.BCELoss()
optimizer_G = optim.Adam(generator.parameters(), lr=lr, betas=(beta1, 0.999))
optimizer_D = optim.Adam(discriminator.parameters(), lr=lr, betas=(beta1, 0.999))# 训练过程可视化准备
fixed_noise = torch.randn(64, latent_dim, 1, 1, device=device)# 训练循环
for epoch in range(num_epochs):for i, (real_images, _) in enumerate(dataloader):# 准备数据real_images = real_images.to(device)batch_size = real_images.size(0)# 真实标签和虚假标签real_labels = torch.full((batch_size,), 0.9, device=device)  # label smoothingfake_labels = torch.full((batch_size,), 0.0, device=device)# ========== 训练判别器 ==========optimizer_D.zero_grad()# 真实图片的判别结果outputs_real = discriminator(real_images)loss_real = criterion(outputs_real, real_labels)# 生成假图片noise = torch.randn(batch_size, latent_dim, 1, 1, device=device)fake_images = generator(noise)# 假图片的判别结果outputs_fake = discriminator(fake_images.detach())loss_fake = criterion(outputs_fake, fake_labels)# 合并损失并反向传播loss_D = loss_real + loss_fakeloss_D.backward()optimizer_D.step()# ========== 训练生成器 ==========optimizer_G.zero_grad()# 更新生成器时的判别结果outputs = discriminator(fake_images)loss_G = criterion(outputs, real_labels)  # 欺骗判别器# 反向传播loss_G.backward()optimizer_G.step()# 打印训练状态if i % 100 == 0:print(f"[Epoch {epoch}/{num_epochs}] [Batch {i}/{len(dataloader)}] "f"Loss_D: {loss_D.item():.4f} Loss_G: {loss_G.item():.4f}")# 每个epoch结束时保存生成结果with torch.no_grad():test_images = generator(fixed_noise)grid = torchvision.utils.make_grid(test_images, nrow=8, normalize=True)show_images(grid)# 保存模型检查点if (epoch+1) % 5 == 0:torch.save(generator.state_dict(), f'generator_epoch_{epoch+1}.pth')torch.save(discriminator.state_dict(), f'discriminator_epoch_{epoch+1}.pth')print("训练完成！")