GAN新手入门指南：从零开始理解生成对抗网络的原理与实践

1次阅读

没有评论

共计 1534 个字符，预计需要花费 4 分钟才能阅读完成。

生成对抗网络 (GAN) 由生成器 (Generator) 和判别器 (Discriminator) 组成，它们就像两个互相博弈的对手：

生成器负责伪造数据，目标是产生足够逼真的假样本
判别器则是鉴伪专家，需要区分输入数据是真实样本还是生成器伪造的

它们的对抗训练过程可以类比假币制造者与警察的较量：

生成器不断改进假币制作工艺
判别器持续升级验钞技术
最终达到纳什均衡时，生成器能产生以假乱真的样本

初学者常遇到这些典型问题：

模式崩溃(Mode Collapse)：生成器只学会产生有限几种样本，比如生成人脸时只有几个固定表情
训练不稳定：损失函数剧烈波动，难以收敛
梯度消失：判别器过早变得太强，导致生成器无法获得有效梯度

下面用 PyTorch 实现深度卷积 GAN(DCGAN)，这是 GAN 的经典改进版本：

import torch
import torch.nn as nn

# 生成器网络结构
class Generator(nn.Module):
    def __init__(self, latent_dim=100):
        super().__init__()
        self.main = nn.Sequential(
            # 输入是随机噪声向量
            nn.ConvTranspose2d(latent_dim, 512, 4, 1, 0, bias=False),
            nn.BatchNorm2d(512),
            nn.ReLU(True),
            # 逐步上采样到图像尺寸
            nn.ConvTranspose2d(512, 256, 4, 2, 1, bias=False),
            nn.BatchNorm2d(256),
            nn.ReLU(True),
            nn.ConvTranspose2d(256, 128, 4, 2, 1, bias=False),
            nn.BatchNorm2d(128),
            nn.ReLU(True),
            # 最终输出 3 通道 RGB 图像
            nn.ConvTranspose2d(128, 3, 4, 2, 1, bias=False),
            nn.Tanh()  # 输出值归一化到[-1,1]
        )

# 判别器网络结构
class Discriminator(nn.Module):
    def __init__(self):
        super().__init__()
        self.main = nn.Sequential(
            # 输入 3 通道图像
            nn.Conv2d(3, 128, 4, 2, 1, bias=False),
            nn.LeakyReLU(0.2, inplace=True),
            # 逐步下采样
            nn.Conv2d(128, 256, 4, 2, 1, bias=False),
            nn.BatchNorm2d(256),
            nn.LeakyReLU(0.2, inplace=True),
            nn.Conv2d(256, 512, 4, 2, 1, bias=False),
            nn.BatchNorm2d(512),
            nn.LeakyReLU(0.2, inplace=True),
            # 最终输出一个概率值
            nn.Conv2d(512, 1, 4, 1, 0, bias=False),
            nn.Sigmoid())

训练过程中建议监控这些指标：