---
title: 2-GAN-对抗生成网络
draft: false
tags:
  - GAN
  - 生成对抗网络
  - 生成模型
  - 深度学习
---
### 一、 核心直觉与博弈论视角

GAN 由两个核心神经网络组成：

1. **生成器（Generator, $G$）：** 它的任务是接收一个随机噪声 $z$（通常采样自高斯分布或均匀分布），并将其映射到数据空间，生成假数据 $G(z)$。它的目标是“造假”，尽可能骗过判别器。
    
2. **判别器（Discriminator, $D$）：** 它的任务是接收一个样本 $x$，判断这个样本是来自真实数据分布 $p_{data}$ 还是由生成器伪造的分布 $p_g$。它输出一个 $[0, 1]$ 之间的标量 $D(x)$，表示样本为“真”的概率。
    

**博弈过程：**

- $D$ 想要最大化区分真假数据的能力。
    
- $G$ 想要最小化 $D$ 区分真假数据的能力。
    
    两者在训练中相互博弈，共同进化，最终理想状态下，$G$ 生成的数据分布完美拟合真实数据分布（$p_g = p_{data}$），而 $D$ 面对真假难辨的数据，只能给出 $50\%$ 的瞎蒙概率（$D(x) = 0.5$）。
    

---

### 二、 目标函数（Value Function）与严谨推导

我们可以定义一个价值函数 $V(D, G)$。GAN 的目标是一个 Minimax 优化问题：

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

- $\mathbb{E}_{x \sim p_{data}(x)}[\log D(x)]$：真实数据通过 $D$ 的期望。$D$ 希望这部分尽可能大（趋近于 $\log 1 = 0$）。
    
- $\mathbb{E}_{z \sim p_z(z)}[\log(1 - D(G(z)))]$：生成数据通过 $D$ 的期望。$D$ 希望 $D(G(z))$ 小（趋近于 $0$），从而让整体变大；而 $G$ 希望 $D(G(z))$ 大（趋近于 $1$），从而让这部分变小（趋近于 $-\infty$）。
    

为了理解这个优化的本质，我们需要将其拆解为两步进行**严谨的数学推导**。

#### 1. 固定生成器 $G$，求解最优判别器 $D_G^*$

假设 $G$ 已经固定，我们要找到一个 $D$ 使得 $V(D, G)$ 最大化。

首先，将期望写成积分形式。考虑到生成器将噪声分布 $p_z(z)$ 映射为数据空间的分布 $p_g(x)$，我们可以将第二项的积分变量从 $z$ 替换为 $x$：

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

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

要最大化这个积分，只需要最大化积分号内的每一项。对于任意给定的 $x$，我们定义 $a = p_{data}(x)$，$b = p_g(x)$，$y = D(x)$。问题转化为求函数 $f(y)$ 的最大值：

$$f(y) = a \log(y) + b \log(1 - y)$$

对 $y$ 求导并令其为 $0$：

$$\frac{df}{dy} = \frac{a}{y} - \frac{b}{1 - y} = 0$$

解得最优的判别器输出为：

$$D_G^*(x) = \frac{a}{a + b} = \frac{p_{data}(x)}{p_{data}(x) + p_g(x)}$$

_直觉：当真实数据密度远大于假数据密度时（$p_{data} \gg p_g$），$D \to 1$；当两者相等时（纳什均衡），$D = 0.5$。_

#### 2. 将最优 $D_G^*$ 代回，最小化 $G$

现在，判别器已经达到了最优 $D_G^*$，生成器 $G$ 的目标是最小化此时的 $V(D_G^*, G)$。我们将其代入原方程：

$$\max_{D} V(D, G) = V(D_G^*, G)$$

$$= \mathbb{E}_{x \sim p_{data}} \left[ \log \frac{p_{data}(x)}{p_{data}(x) + p_g(x)} \right] + \mathbb{E}_{x \sim p_g} \left[ \log \frac{p_g(x)}{p_{data}(x) + p_g(x)} \right]$$

接下来进行巧妙的恒等变形，分子分母同除以 $2$：

$$= \mathbb{E}_{x \sim p_{data}} \left[ \log \left( \frac{p_{data}(x)}{\frac{p_{data}(x) + p_g(x)}{2}} \cdot \frac{1}{2} \right) \right] + \mathbb{E}_{x \sim p_g} \left[ \log \left( \frac{p_g(x)}{\frac{p_{data}(x) + p_g(x)}{2}} \cdot \frac{1}{2} \right) \right]$$

利用对数的性质 $\log(A \cdot \frac{1}{2}) = \log A - \log 2$：

$$= -\log 4 + KL\left(p_{data} \parallel \frac{p_{data} + p_g}{2}\right) + KL\left(p_g \parallel \frac{p_{data} + p_g}{2}\right)$$

_(注：$KL$ 表示 Kullback-Leibler 散度)_

两个 $KL$ 散度之和刚好定义了 **Jensen-Shannon 散度 (JSD)**：

$$C(G) = -\log 4 + 2 \cdot JSD(p_{data} \parallel p_g)$$

**核心推论：** JS 散度恒大于等于 $0$。因此，当且仅当 $p_g(x) = p_{data}(x)$ 时，JS 散度为 $0$，生成器达到全局最优解，此时损失函数的最小值为 $-\log 4$。这就是 GAN 能够拟合任意分布的数学基石。

---

### 二.5 纳什均衡的深入分析

#### 均衡的存在性与唯一性

GAN 的 Minimax 优化问题存在唯一的纳什均衡点（当 $p_g = p_{data}$ 时），但均衡的收敛性并不保证。

**纳什均衡的定义**：在二人零和博弈中，策略 $(G^*, D^*)$ 构成纳什均衡，当且仅当：

$$V(G^*, D) \leq V(G^*, D^*) \leq V(G, D^*), \quad \forall G, D$$

即：$G^*$ 已经是在 $D^*$ 下的最优反应，$D^*$ 已经是在 $G^*$ 下的最优反应。

**GAN 均衡条件**：
- 当 $p_g = p_{data}$ 时，$D^*(x) = 0.5$ 对所有 $x$
- 此时 $G$ 无法通过调整来提高 $V$，$D$ 也无法通过调整来提高 $V$

#### 训练动力学的稳定性分析

交替梯度下降的更新可以写为：

$$\theta_d^{t+1} = \theta_d^t + \eta \nabla_{\theta_d} V(G^t, D^t)$$

$$\theta_g^{t+1} = \theta_g^t - \eta \nabla_{\theta_g} V(G^t, D^t)$$

**问题 1：同步更新的不稳定性**

如果 $G$ 和 $D$ 更新步长不匹配，可能导致：
- $D$ 过于强大时，$G$ 的梯度消失
- $G$ 过于强大时，$D$ 无法区分真假

**问题 2：梯度振荡**

即使在均衡点附近，如果使用动量优化器（如 Adam），参数更新可能围绕均衡点振荡而非收敛。这与 GAN 的损失曲面（非凸非凹）有关。

**问题 3：模式崩溃的数学描述**

当 $G$ 将所有质量集中在单点 $x_0$ 时（$p_g = \delta_{x_0}$），$D$ 的最优判别器为：

$$D^*(x) = \frac{p_{data}(x)}{p_{data}(x) + \delta_{x_0}(x)}$$

这意味着 $D(x_0) \to 1$（真实数据点）而 $D(x_0) \to 0$（生成点）。$G$ 只需生成 $x_0$ 即可骗过当前的 $D$，但这远非真实分布。

---

### 二.6 Non-saturating Loss 的深入理解

原始 GAN 的损失函数（对 $G$）为：

$$\mathcal{L}_G = \mathbb{E}_{z \sim p_z(z)}[\log(1 - D(G(z)))]$$

**问题**：当 $D(G(z)) \to 0$ 时，$\log(1 - D) \to -\infty$，梯度 $\nabla_G \log(1 - D) \to 0$，导致训练初期 $G$ 无法学习。

**改进**：使用 Non-saturating loss：

$$\mathcal{L}_G^{NS} = -\mathbb{E}_{z \sim p_z(z)}[\log D(G(z))]$$

**数学解释**：

设 $D(G(z)) = \sigma(f(z))$，其中 $f(z)$ 是判别器的 logit 输出，$\sigma$ 是 sigmoid 函数。

$$\log(1 - \sigma(f)) = -\log(1 + e^{-f}) = -\text{softplus}(-f)$$

当 $f \to -\infty$（即 $D \to 0$）时，$\text{softplus}(-f) \approx -f$，所以 $\log(1 - D) \approx f$。

但实际计算中，$\log(1 - D)$ 的梯度在 $D \to 0$ 处几乎为 0，而 $\log D$ 的梯度始终为 $1/f$ 量级（只要 $f$ 不过分大）。

**更直观的理解**：将 $G$ 的目标从"让 $D$ 输出低概率"改为"让 $D$ 输出高概率"。前者对应 $\log(1 - D)$（饱和），后者对应 $-\log D$（非饱和）。

---

### 三、 训练过程 (Alternating Gradient Descent)

由于这是个 Minimax 游戏，我们不能像常规网络那样一次性更新所有参数，而是采用**交替梯度下降**的方法。

**每次迭代（Epoch/Step）中：**

1. **训练判别器 $D$（通常进行 $k$ 步，原始论文中 $k=1$）：**
    
    - 从真实数据 $p_{data}$ 中采样 $m$ 个样本 $\{x^{(1)}, ..., x^{(m)}\}$。
        
    - 从先验噪声 $p_z$ 中采样 $m$ 个样本 $\{z^{(1)}, ..., z^{(m)}\}$，通过 $G$ 生成假样本 $\{G(z^{(1)}), ..., G(z^{(m)})\}$。
        
    - 利用梯度**上升**更新 $D$ 的参数 $\theta_d$（最大化 $V$）：
        
        $$\nabla_{\theta_d} \frac{1}{m} \sum_{i=1}^m \left[ \log D(x^{(i)}) + \log(1 - D(G(z^{(i)}))) \right]$$
        
2. **训练生成器 $G$（进行 $1$ 步）：**
    
    - 从先验噪声 $p_z$ 中重新采样 $m$ 个样本 $\{z^{(1)}, ..., z^{(m)}\}$。
        
    - 利用梯度**下降**更新 $G$ 的参数 $\theta_g$（最小化 $V$）：
        
        $$\nabla_{\theta_g} \frac{1}{m} \sum_{i=1}^m \log(1 - D(G(z^{(i)})))$$
        
        _(在工程实现中，为了防止训练初期梯度消失，这步通常会被替换为最大化 $\log D(G(z))$)_。
        

---

### 四、 常见训练病理与崩溃问题

尽管数学推导非常完美，但 GAN 在实际的高维空间训练中极度不稳定。

#### 1. 梯度消失 (Vanishing Gradients)

**现象：** 训练初期，生成器很弱，生成的全是噪声。判别器可以极其轻易地将真假分开，导致 $D(x) \to 1$ 且 $D(G(z)) \to 0$。

**数学本质：** 如果判别器太完美，它给出的概率会趋近于 $0$ 或 $1$。此时 $\log(1 - D(G(z)))$ 曲线在 $D \to 0$ 处的导数趋近于 $0$。生成器拿不到梯度，直接“僵死”在原地无法更新。

**解法：** 使用 Non-saturating loss（即上文提到的将 $G$ 的目标从最小化 $\log(1-D)$ 改为最大化 $\log D$），或者引入 Wasserstein GAN (WGAN) 利用 Earth Mover 距离（又称 Wasserstein-1 距离）替代 JS 散度。

**Wasserstein 距离的优势**：

$$W(p_{data}, p_g) = \inf_{\gamma \in \Pi(p_{data}, p_g)} \mathbb{E}_{(x,y) \sim \gamma}[|x - y|]$$

其中 $\Pi(p_{data}, p_g)$ 表示所有以 $p_{data}$ 和 $p_g$ 为边缘分布的联合分布集合。

与 JS 散度不同，Wasserstein 距离对分布完全不重叠的情况仍有梯度（连续可微），这从根本上避免了梯度消失问题。

**实现方式**：通过 $D$ 的输出近似 Critic 值，移除最后的 sigmoid 层，使用权重裁剪（Weight Clipping）或梯度惩罚（Gradient Penalty）来满足 1-Lipschitz 约束。

#### 2. 模式崩溃 (Mode Collapse)

**现象：** 真实数据有多个峰（比如手写数字有 0-9 十个类别），但生成器发现只生成某一种数据（比如只生成极其逼真的数字 "1"）就能最高效地骗过判别器。最终生成器失去了多样性，只能输出单一或极少数的样本。

**数学本质：** 在 Minimax 博弈中，如果先优化 $G$ 再优化 $D$，$G$ 倾向于将所有质量集中在 $D$ 当前认为最像真实数据的单一点上（退化为狄拉克分布）。

**解法：** 引入谱归一化（Spectral Normalization）、Minibatch Discrimination，或使用 Unrolled GAN 让 $G$ 能够“预见” $D$ 的几步更新。

#### 3. 难以收敛 (Non-convergence)

**现象：** 损失函数不下降，反而开始剧烈震荡。$G$ 和 $D$ 陷入无限循环的“猫鼠游戏”中。

**数学本质：** 使用基于动量的梯度下降求解纳什均衡时，参数更新轨迹可能围绕均衡点画圈（Limit Cycle），而不是收敛进去。这在纯理论博弈论中是一个经典的动力学不稳定性问题。