2020机器学习GAN(5)

2020-02-28 本文已影响0人 zidea

naruto_vs_sasuke.png

参考李宏毅老师分享

先解释一下根据样本进行生成图片，然后把图片每一个像素都看成其一个特征，那么图片就是存在一个高维特征空间的点，这个点对应一个图像。我们 GAN 要做的事就是在高维特征空间中找到这些点分布概率 $P_{data}(x)$

样本都是从 $P_{data}(x)$ 分布中得到的，我们起初可能想知道找到这个分布样子，我们就可以用这个分布来生成新的图片，那么就可以先假设 $P_G(x;\theta)$ ，可以将 $P_G(x;\theta)$ 看成高斯混合模型，那么 $\theta$ 就是分布的均值和方差。

具体怎么做，我想大家都会用极大似然值来估计 $P_{data}(x)$ 的分布。

首先从 $P_{data}(x)$ 抽取样本 $\{x^1,x^2,\dots,x^m\}$
计算 $P_G(x^i;\theta)$ 的似然函数
$L = \prod_{i=1}^m P_G(x^i;\theta)$
就是找出一组参数 $\theta$ ,为什么是一组参数呢?因为是高斯混合模型所以需要一组均值和方差来表示模型。
$\theta^* = \arg \max_{\theta} \prod_{i=1}^m P_G(x^i;\theta)$
然后通过取 log 将连加变成连乘这个想必大家都很清楚
$\theta^* = \arg \max_{\theta} \sum_{i=1}^m P_G(x^i;\theta)$
$\theta^* = E_{x \sim P_{data}}[\log P_G(x;\theta)]$
其实最大似然估计就是求最小 KL 距离(松散度)，这个可能大家已经理解或者还没有理解为什么他们是同一个问题，这里我就给大家解释一下。
$\begin{aligned} = E_{x \sim P_{data}}[\log P_G(x;\theta)] \\ = \arg \max_{\theta} \int_x P_{data}(x) \log P_G(x;\theta)dx \\ = \arg \max_{\theta} \int_x P_{data}(x) \log P_G(x;\theta)dx - \int_x P_{data}(x) \log P_{data}(x)dx\\ = \arg \min_{\theta} KL(P_data||P_G) \end{aligned}$

不过现在是将 $P_{data}(x)$ 的分布假设为高斯分布，这样就把问题限制，其实我们还不知道 $P_{data}(x)$ 具体样子，我们应该将问题也就是分布泛化到一般分布而不是特指高斯分布。

图像是高维空间流形，有关流形我们，其实他并不是我们能用高斯混合所能准确逼近的分布。

$noise \rightarrow Generator \rightarrow x = G(z)$

noise 可以是从高斯分布(也叫正态分布)随机选取向量
Generator 是生成神经网网络，可以想象是复杂函数
noise 输入到 Generator 后，Generator 就会通过计算给我们一张图
其实一个隐藏层就足够复杂来实现对多数函数的逼近，所以只要 Generator 叠几层就可以将我们输入noise变成想要复杂形状来逼近图片高维流形。

$G = \arg \min_G Div(P_G,P_{data})$
那么如何找到衡量 $P_G$ 和 $P_{data}$ 距离(也就是相似度)的标准呢?这个成为，为什么成为问题，这是因为我们并不知道 $P_G$ 和 $P_{data}$ 是什么样子的，也没法假设。
但是在 GAN 设计就是回答上面问题。

可以从 $P_{data}$ 抽取一些图片样本
也可以从 $P_G$ 根据 noise 生成一些图片样本
在 GAN 中用 Discriminator(判别)来通过计算这两个来自不同分布样本间差异，样本间差异也就是这两个分布间距离。我们通过减少这个距离就可以实现 $P_G$ 来一步一步逼近 $P_{data}$

如何找到具有判别能力的 Discriminator，这个也是需要训练的，我们需要训练出一个 Discriminator。具体方法也就是，先定义目标函数，Discriminator 完成了这个目标函数也就是具有判别能力。
$V(G,D) = E_{x \sim P_{data}}[\log D(x)] + E_{x \sim P_G}[\log (1 - D(x))] \,(G is fixed)$
首先我们要明确我们是希望 $V(G,D)$ 越大越好这是我们目标，接下来内容会与这个目标紧密相关

先看右边前一项，也就是假设数据使用从 $P_{data}$ 抽取的，我们就希望 $\log D(x)$ 越大越好
那么假设数据是从 $P_G$ 抽取的，我们就希望 $\log (D(x))$ 越小越好

其实就是训练二分类识别网络是一样，样本中有正样本和负样本，需要判别器对其进行分类。

$D = \arg \max_D V(V,G)$
$\max_{D} V(V,G)$ 就是 JS 距离，假设我们生成数据

生成器生成样本和真实样本靠的很近，也就是很难将他们进行分开，Discriminator 的 $V(G,D)$ 就很难变得很大，因为他无法完成将他们分开任务。

接下来我们用数学公式来推导一遍。
$V = E_{x \sim P_{data}}[\log D(x)] + E_{x \sim P_G}[\log (1 - D(x))]$

首先假定 G 是固定，也就是训练好的 G 来找到让下面式子值最大的 D

$\begin{aligned} V = E_{x \sim P_{data}}[\log D(x)] + E_{x \sim P_G}[\log (1 - D(x))]\\ = \int_x P_{data} \log D(x)dx + \int_x P_G(x) \log (1 - D(x))dx \\ = \int_x [P_{data} \log D(x)dx + P_G(x) \log (1 - D(x))]dx \\ \end{aligned}$

这里 $D(x)$ 是神经网络学习的模型，理论上是可以模拟任意函数，但是实际上要是想模拟任意函数就需要有任意多参数，不过现在我们可以假设 $D(x)$ 是可以模拟任意函数的。

$P_{data} \log D(x) + P_G(x) \log (1 - D(x))$
在这个式子中 $P_{data}$ 和 $P_G(x)$ 都是固定，我们就是要找 $D(x)$ 让这个式子最大。在李宏毅老师解说中把上面式子进行简化表示

$P_{data}$ 用 a 表示
$P_{G}(x)$ 用 b 表示
$D(x)$ 用 D 来表示

$\frac{df(D)}{dD} = a \times \frac{1}{D} + b \times \frac{1}{1 - D} \times (-1) = 0$
我们对上式进行求导，在导数为 0 处有极值，然后对式子进行化简。

$a \times \frac{1}{D} = b \times \frac{1}{1 - D}$

$a \times (1 - D) = b \times D$
$D = \frac{a}{a + b}$
$D(x) = \frac{P_{data}}{P_{data} + P_{G}(x)}$
我们将 $D(x)$ 用 $P_{data}$ 和 $P_G(x)$ 的表达式来表示后带回到上式
$E_{x \sim P_{data}}[\log \frac{P_{data}(x)}{P_{data}(x) + P_G(x)}] + E_{x \sim P_G}[\log \frac{P_{G}(x)}{P_{data}(x) + P_G(x)}]$

可以对表示的分子和分母同时乘以 $\frac{1}{2}$ ,这样做就是为了推导出 JS 散度表达式，
$E_{x \sim P_{data}}[\log \frac{ \frac{1}{2} P_{data}(x)}{\frac{1}{2}(P_{data}(x) + P_G(x))}] + E_{x \sim P_G}[\log \frac{\frac{1}{2} P_{G}(x)}{\frac{1}{2}( P_{data}(x) + P_G(x))}]$

$2 \log \frac{1}{2} + KL(P_{data} || \frac{P_{data}+ P_G }{2}) + KL(P_{G} || \frac{P_{data}+ P_G }{2})$
最后我们就得到了 JS 散度的表示
$2 \log \frac{1}{2} + 2JSD(P_{data}||P_G)$

2020机器学习GAN(5)

猜你喜欢

热点阅读