喵咪制造机：生成式对抗网络的花式画喵大法

2012年，吴恩达和Jeff Dean用Google Brain的1.6万个CPU所打造的大型神经网络，在被1000万YouTube视频中的猫图像训练三天后，自己画出了一张模糊的猫脸图。这是普通公众第一次领略到深度学习的威力。

而后随着AlphaGo在围棋上先后虐杀人类冠军李世石、柯洁，公众对深度学习和人工智能的热情更胜以往。不过，神经网络自己画猫的技术有没有随之进步呢？

最近，一位在医院工作的猫奴生物统计学家Alexia，使用最新的生成式对抗网络GAN来测试深度学习的画猫技术。相比吴恩达三天才能画出来的猫，GAN的新方法仅用几个小时就能搞定，画出来猫咪也好看很多。这里的新方法在细节上有何特点呢？我们仔细来看作者Alexia的点评。

我试验用生成对抗网络来生成猫脸的各种图片。针对不同的分辨率，我采用了几种不同的方法，包括DCGAN、WGAN与WGAN-GP，训练样本源自一个有着上万张猫图的图片库。我找的是那些猫脸处在正中的图片（用人眼生看，花了我好几个小时……说起来都是泪），共有9304张分辨率大于64x64的图片，以及6445张分辨率大于128x128的图片。

DCGAN

DCGAN可以很好地收敛，只用了209次迭代，大概两三个小时，就产生了非常有真实感的图片。但是需要进行一些调整才能达到这个效果。众所周知，GAN的生成器和判别器必须势均力敌，才能产生良好的效果。我的DCGAN对生成器和判别器分别设定了不同的学习速率，这样才使得二者势均力敌，从而能得出很好的效果。当处理64x64的图片的时候，最好的判别器的学习速率是0.00005，生成器的速率是0.0002。如下图所示，没有产生模式坍塌(mode collapse)。图片漂亮吧！

高分辨率的 DCGAN和SELU

但上述办法用来处理128x128的图片，就会失效。但是，我用SeLUs替换了batch归一化和ReLus，在学习速率保持不变的情况下，也取得了一定的效果。只不过过程非常慢，大概要用6个多小时。SeLUs是自归一的，因此就不需要用batch归一化了。SeLU才刚诞生不久，所以基本上在GAN上没有什么深入的研究。不过据我观察，SeLU极大地提高了GAN的稳定性。这次生成的猫不像上次的那么漂亮，并且有很多黑猫长的差不多，明显地产生了“多样性缺失”现象。这也很好解释，因为这次是在6445个大于128x128的图片上训练，而上次是在9304个图片上训练，训练数据少了不少。不过，这次有些猫也相当好看，清晰度比原来的高，所以我仍然觉得这次也是成功的。

论文地址：https://arxiv.org/abs/1706.02515

WGAN

WGAN收敛的很慢，大概用了四五个小时，600多次迭代。并且只在64个隐层神经元成功了，128个神经元的时候失败了。对DCGAN，虽然要调整学习速率，但是一旦调整了，你马上能看到效果。对WGAN，很难马上看到效果，只有让网络多跑几个迭代，才能看到效果。

观察图片的话，有非常明显的模式坍塌(mode collapse)。还有很多猫有异盲证，一些猫一只眼睁着，一个眼闭着；还有一些猫鼻子畸形。总体上看，WGAN的效果不如DCGAN。但是也许是因为我用的神经网络的结构太简单，所以不好在二者之间做明确的判断，哪个更好。还有，WGAN似乎陷入了局部最优。到目前为止，WGAN还是令我有点失望。

WGAN-GP是WGAN的改进版本，也许能够解决上面的问题。2017年Gulrajani等人发表的论文中，提到他们能训练101层的神经网络。也许我用5层128个神经元生成猫的方法有问题。亚当优化器(Adam optimizer)也能降低种类坍塌和局部最优的风险。很可能这个能够解决这些问题，因为WGAN没用而DCGAN和WGAN-GP都用了亚当优化。

WGAN-GP (改进的WGAN)

WGAN-GP的生成器收敛的非常慢，大概在六个小时以上。但是它的好处是不需要调整任何超参。比如，可以任意调整学习速率，调大或者调小都不会造成任何问题。这一点上，WGAN-GP用起来很舒心，不像其他算法调整超参那么辛苦。

论文地址：https://arxiv.org/abs/1704.00028

而且该方法生成的猫的种类和样式非常多，没有明显的模式坍塌(mode collapse)。这是对WGAN的的一个主要的改进。另一方面，图片有点模糊不清，好像是低分辨率的图片又被放大了一倍。我也不确定具体的原因，可能是Wasserstein的距离导致的。我觉得可以使用不同的学习速率和网络结构优化结果。这需要做更进一步的研究，但我确信这里有很大的提高空间。

LSGAN (最小二乘 GAN)

LSGAN和前面几个方法不同。LSGAN用最小二乘法来最小化判别器的输出和真实结果差值。该方法的推荐设置为：在判别器端，用1表示真实图像，0表示假的图像；在生成器端，用1表示假的图像。2017年Hejlm等人在论文中又提出了新的建议：在判别器端，1表示真实图像，0表示假的图像；但是在生成器端，用0.5表示假的图像。

论文地址：https://arxiv.org/pdf/1702.08431.pdf

我现在还没有时间全面研究这个方法。但是看起来，这个方法非常稳定，并且生成的图片中的猫也很漂亮。虽然该方法通常挺稳定的，但是有一次，出现了梯度爆炸，最后生成的结果嘛也不是。下图展示了第31和32次迭代的结果：

所以该方法也不是百分百的稳定，不稳定的时候结果还非常糟糕。对Adam优化器选择一个较好的超参可以有效阻止该问题的发生。该方法的优点是不用像DCGAN那样调整学习速率，并且不发生问题的时候(发生问题的概率还是很低的)结果还是很不错的，猫的图片也很漂亮。

xudong mao是LSGAN的提出者。他发给了我用LSGAN生成的128x128的猫的图片，如下图所示。可以看到，该方法也可以生成和DCGAN一样质量的图片。

我的代码放在GitHub上，愿者自取。

代码地址：https://github.com/AlexiaJM/Deep-learning-with-cats

原文链接：https://ajolicoeur.wordpress.com/cats/

为保证发文质量、树立口碑，数据派现设立“错别字基金”，鼓励读者积极纠错。

若您在阅读文章过程中发现任何错误，请在文末留言，或到后台反馈，经小编确认后，数据派将向检举读者发8.8元红包。

同一位读者指出同一篇文章多处错误，奖金不变。不同读者指出同一处错误，奖励第一位读者。

感谢一直以来您的关注和支持，希望您能够监督数据派产出更加高质的内容。