GAN实战：从零开始构建生成对抗网络创造全新人脸

共计 1411 个字符，预计需要花费 4 分钟才能阅读完成。

GAN 的革命性意义

生成对抗网络（GAN）彻底改变了图像生成领域，它通过两个神经网络的对抗训练，能够生成以假乱真的图片。不同于传统方法依赖手工特征，GAN 直接从数据中学习分布规律。最重要的是，它开启了无监督生成的新范式，为 AI 创造力提供了无限可能。

DCGAN 架构设计详解

DCGAN（Deep Convolutional GAN）是 GAN 的经典改进版本，特别适合图像生成任务。其核心思想是用卷积神经网络代替原始 GAN 中的全连接层。

生成器结构

生成器接收随机噪声向量（通常 100 维），通过反卷积层逐步上采样：

1. 全连接层将噪声映射到 4x4x1024 特征图
2. 4 层反卷积，每层后接 BatchNorm 和 ReLU
3. 最终层使用 tanh 激活输出 64x64x3 的 RGB 图像

判别器结构

判别器是标准的卷积分类网络：

1. 输入 64x64x3 的图片
2. 4 层卷积，每层后接 LeakyReLU(0.2) 和 Dropout
3. 最终通过 sigmoid 输出真假概率

关键超参数

• 学习率：0.0002（Adam 优化器的经典设置）
• 批量大小：128（平衡训练速度和显存占用）
• 潜在空间维度：100（足够表达复杂特征）

PyTorch 完整实现

# 数据预处理
transform = transforms.Compose([transforms.Resize(64),
    transforms.CenterCrop(64),
    transforms.ToTensor(),
    transforms.Normalize((0.5,0.5,0.5), (0.5,0.5,0.5))
])

dataset = CelebA(root='data', transform=transform)
dataloader = DataLoader(dataset, batch_size=128, shuffle=True)

# 生成器定义
class Generator(nn.Module):
    def __init__(self):
        super().__init__()
        self.main = nn.Sequential(
            # 反卷积层 1：输入 100 维噪声
            nn.ConvTranspose2d(100, 512, 4, 1, 0, bias=False),
            nn.BatchNorm2d(512),
            nn.ReLU(True),
            # 逐步上采样至 64x64
            ... # 完整结构见 Colab notebook
        )

训练效果评估

FID 分数计算

Fréchet Inception Distance 通过比较生成图像与真实图像在 Inceptionv3 特征空间的分布距离：

1. 用预训练 Inceptionv3 提取 2048 维特征
2. 计算两个特征分布的均值和协方差
3. 使用 Wasserstein- 2 距离公式得出分数

生成样本对比

• 初期：噪声斑点（epoch 0-10）
• 中期：模糊人脸轮廓（epoch 50）
• 后期：清晰五官细节（epoch 200）

避坑指南

模式崩溃解决方案

• 添加 mini-batch 判别
• 使用 Wasserstein GAN 损失
• 适度增加噪声输入维度

学习率设置

• 初始值建议 0.0001-0.0005
• 判别器学习率可略高于生成器
• 使用学习率衰减策略

显存优化

• 降低批量大小
• 使用梯度累积
• 尝试混合精度训练

思考题

1. 如何将生成分辨率从 64×64 提升到 256×256 而不出现模式崩溃？
2. 能否通过修改潜在空间实现控制生成人脸的特定属性（如发型、笑容）？

完整代码和训练日志已分享在 Colab：https://colab.research.google.com/drive/xxxx