EBGAN, LSGAN, BEGAN_began和ebgan-程序员宅基地

技术标签： gans

本文主要对EBGAN, LSGAN, BEGAN三个模型核心理论进行简单记录．

引言　　

GAN的原理就是利用Discriminator作为Generator的引导，使得最终Generator生成的samples可以以假乱真，具体过程可以用下图表示．　　 ori
上图来自李宏毅深度学习PPT中，蓝色线表示Generator distribution, 绿色线表示data distribution,在优化过程中，对于real data我们要使得最后的prob接近1,fake data最后的损失接近0,那么这个优化过程会使得G向real data的分布靠近，因为real data分布可以使得最后discriminator 的预测最大，当跑过头然后再往回更新，最终达到制衡．此时generator得到的samples与real data分布相近．　　

以上是最为常见的GAN的做法，最后的evaluation function是binary classification,那这篇Post主要讲的GAN可以看作为enegry-based. 那么能量的度量与分类相反，当两个分布接近的时候，能量达到平衡，也就是最小，可以看作classification-based GAN损失函数取反．我们首先来看看EBGAN.

EBGAN1

EBGAN网络结构如下图表示：　　

ebgan
上图中，discriminator与以往的GAN不同，使用的结构为AutoEncoder, 这样的结构输入是Image, 输出也是image, 因此为了度量fake or real,这里选取了MSE最为损失函数．同时，加入margin．如下面公式表示：　　

L D x, z = D (x) + m a x (0, m - D (G (z)))

L G z = D (G (z))

上述都是最小化损失函数．对于real data, 在网络的输出我们得到对应的restruction loss, 如果用GAN原理来解释，可以看作generator的outputs输入到discriminator中，我们为达到以假乱真，那么mse向较小的的方向更新，即此时G的分布应该趋近Data的分布. D的任务就是将这两种样本区分开．但这里有个缺点，就是real data的重构损失可以很小，最小到0,但对于fake data,最大可以大到多大，无穷大，这对训练整个模型是不利的．因此引入margin, 由公式可以看出，引入margin之后，当 D(G(z)) 大于m的时候，它对 LD 的贡献为0,可以理解为对于偏离太离谱的fake data直接忽略．如此一来，当G生产的data distribution接近real data时，两者重构损失是接近的，因此 LD 接近m, 此时mse在[0, m]之间．这说明引入margin之后对于训练是有帮助的，而且可以使得G生产的data重构误差可以很小，自然可以解释为生成了可以看的图片．　　

这里考虑极端情况，如果 D(x)+m−D(G(x))≈0 ,即 D(x)−D(G(x))=−m ,这时G的重构误差小于D,这种情况会不会出现．由GAN的对抗训练，是不会出现的．因为如果G的重构误差比real data重构误差还小，那么discriminator的引导作用消失，因为G的最终目标是real data的分布, 因此两者极端情况就是相等．　　

后续，作者为了增加样本多样性，利用code做文章，加入相似性的约束，这里主要对损失函数进行解读，可能有人会问margin可不可以自适应，可以的，MAGAN(Margin Adaptivation GAN),下面这篇GAN也可以看成自适应marginGAN.

LS-GAN2

同样的，先上公式：　　

L D (x, z) = D (x) + m a x (0, Δ (x, G (x)) + D (x) - D (G (z)))

L G (z) = D (G (z))

上面公式如何理解，我们可以用下图来说明：　　 ebgan
在优化时， margin=Δ(x,G(x))+D(x) , 自适应反映在第一项．baseline为 D(x) ,每次优化的margin为G生产的图片和real data之间的差异，这个差异可以使用mse等度量函数．当两者差异较大是margin就会很大，当随着优化的进行，两者差异会减小，此时二者margin就会很小．当达到理想情况，即G得到的data distribution接近real data,此时两者margin是此时discriminator对real data的重构损失，与 D(G(z)) 很接近，此时 LD 达到理想的最小值．　　 LS-GAN较EBGAN优点在于margin自适应，当然可以看作EBGAN的一种．　　

BEGAN3

直接上公式：　　

L D (x, z) = D (x) － k t D (G (z))

L G (z) = D (G (z))

其中 kt 初始化为0,即D在训练最开始只针对real data进行建模，直到满足 D(x) 大于 D(G(z)) ,也就是不能让G生产的数据被认为是real data.目标还是使得G最后的分布接近real data,但不能超越real data.整个训练过程相当于以逸待劳，每次当满足上述条件时，更新 kt , 然后在下一次满足条件是再次更新，这样可以达到逐步迁移分布的效果．更新公式如下：　　

k t + 1 = k t + λ (γ D (x) - D (G (z)))

γ 的值可以设置，可以设想一下，如果 γ 的不断减小逼近0,那么最后G得到的图片可以看成real data,因为此时一直在更新 kt .

下图是实验结果：　　

res

这里BEGAN结构使用与EBGAN相同，不同之处在于loss function的设计，可以看到,BEGAN生成的图片有点厉害.

这篇post就到这里，主要讲Enegry-based GAN以及margin的GAN的损失函数,没有对模型具体细节进行探讨，具体还需参看论文.

References

Zhao J, Mathieu M, Lecun Y. Energy-based Generative Adversarial Network[J]. 2017.
Qi G J. Loss-Sensitive Generative Adversarial Networks on Lipschitz Densities[J]. 2017.
Boundary Equilibrium Generative Adversarial Networks

本文链接：https://blog.csdn.net/c2a2o2/article/details/78963497

原作者删帖不实内容删帖广告或垃圾文章投诉

智能推荐

攻防世界_难度8_happy_puzzle_攻防世界困难模式攻略图文-程序员宅基地

文章浏览阅读645次。这个肯定是末尾的IDAT了，因为IDAT必须要满了才会开始一下个IDAT，这个明显就是末尾的IDAT了。，对应下面的create_head()代码。，对应下面的create_tail()代码。不要考虑爆破，我已经试了一下，太多情况了。题目来源：UNCTF。_攻防世界困难模式攻略图文

达梦数据库的导出（备份）、导入_达梦数据库导入导出-程序员宅基地

文章浏览阅读2.9k次，点赞3次，收藏10次。偶尔会用到，记录、分享。1. 数据库导出1.1 切换到dmdba用户su - dmdba1.2 进入达梦数据库安装路径的bin目录，执行导库操作　　导出语句：./dexp cwy_init/[email protected]:5236 file=cwy_init.dmp log=cwy_init_exp.log　注释：　　 cwy_init/init_123..._达梦数据库导入导出

js引入kindeditor富文本编辑器的使用_kindeditor.js-程序员宅基地

文章浏览阅读1.9k次。1. 在官网上下载KindEditor文件，可以删掉不需要要到的jsp，asp，asp.net和php文件夹。接着把文件夹放到项目文件目录下。2. 修改html文件，在页面引入js文件：<script type="text/javascript" src="./kindeditor/kindeditor-all.js"></script><script type="text/javascript" src="./kindeditor/lang/zh-CN.js"_kindeditor.js

STM32学习过程记录11——基于STM32G431CBU6硬件SPI+DMA的高效WS2812B控制方法-程序员宅基地

文章浏览阅读2.3k次，点赞6次，收藏14次。SPI的详情简介不必赘述。假设我们通过SPI发送0xAA，我们的数据线就会变为10101010，通过修改不同的内容，即可修改SPI中0和1的持续时间。比如0xF0即为前半周期为高电平，后半周期为低电平的状态。在SPI的通信模式中，CPHA配置会影响该实验，下图展示了不同采样位置的SPI时序图[1]。CPOL = 0，CPHA = 1：CLK空闲状态 = 低电平，数据在下降沿采样，并在上升沿移出CPOL = 0，CPHA = 0：CLK空闲状态 = 低电平，数据在上升沿采样，并在下降沿移出。_stm32g431cbu6

计算机网络-数据链路层_接收方收到链路层数据后,使用crc检验后,余数为0,说明链路层的传输时可靠传输-程序员宅基地

文章浏览阅读1.2k次，点赞2次，收藏8次。数据链路层习题自测问题1.数据链路(即逻辑链路)与链路(即物理链路)有何区别?“电路接通了”与”数据链路接通了”的区别何在?2.数据链路层中的链路控制包括哪些功能?试讨论数据链路层做成可靠的链路层有哪些优点和缺点。3.网络适配器的作用是什么?网络适配器工作在哪一层?4.数据链路层的三个基本问题(帧定界、透明传输和差错检测)为什么都必须加以解决？5.如果在数据链路层不进行帧定界，会发生什么问题？6.PPP协议的主要特点是什么？为什么PPP不使用帧的编号？PPP适用于什么情况？为什么PPP协议不_接收方收到链路层数据后,使用crc检验后,余数为0,说明链路层的传输时可靠传输

软件测试工程师移民加拿大_无证移民，未受过软件工程师的教育（第1部分）-程序员宅基地

文章浏览阅读587次。软件测试工程师移民加拿大无证移民，未受过软件工程师的教育(第1部分) (Undocumented Immigrant With No Education to Software Engineer(Part 1))Before I start, I want you to please bear with me on the way I write, I have very little gen...

随便推点

Thinkpad X250 secure boot failed 启动失败问题解决_安装完系统提示secureboot failure-程序员宅基地

文章浏览阅读304次。Thinkpad X250笔记本电脑，装的是FreeBSD，进入BIOS修改虚拟化配置（其后可能是误设置了安全开机），保存退出后系统无法启动，显示：secure boot failed ，把自己惊出一身冷汗，因为这台笔记本刚好还没开始做备份.....根据错误提示，到bios里面去找相关配置，在Security里面找到了Secure Boot选项，发现果然被设置为Enabled，将其修改为Disabled ，再开机，终于正常启动了。_安装完系统提示secureboot failure

C++如何做字符串分割（5种方法）_c++ 字符串分割-程序员宅基地

文章浏览阅读10w+次，点赞93次，收藏352次。1、用strtok函数进行字符串分割原型： char *strtok(char *str, const char *delim);功能：分解字符串为一组字符串。参数说明：str为要分解的字符串，delim为分隔符字符串。返回值：从str开头开始的一个个被分割的串。当没有被分割的串时则返回NULL。其它：strtok函数线程不安全，可以使用strtok_r替代。示例：//借助strtok实现split#include <string.h>#include <stdio.h&_c++ 字符串分割

2013第四届蓝桥杯 C/C++本科A组真题答案解析_2013年第四届c a组蓝桥杯省赛真题解答-程序员宅基地

文章浏览阅读2.3k次。1 .高斯日记大数学家高斯有个好习惯：无论如何都要记日记。他的日记有个与众不同的地方，他从不注明年月日，而是用一个整数代替，比如：4210后来人们知道，那个整数就是日期，它表示那一天是高斯出生后的第几天。这或许也是个好习惯，它时时刻刻提醒着主人：日子又过去一天，还有多少时光可以用于浪费呢？高斯出生于：1777年4月30日。在高斯发现的一个重要定理的日记_2013年第四届c a组蓝桥杯省赛真题解答

基于供需算法优化的核极限学习机(KELM)分类算法-程序员宅基地

文章浏览阅读851次，点赞17次，收藏22次。摘要：本文利用供需算法对核极限学习机(KELM)进行优化，并用于分类。

metasploitable2渗透测试_metasploitable2怎么进入-程序员宅基地

文章浏览阅读1.1k次。一、系统弱密码登录1、在kali上执行命令行telnet 192.168.26.1292、Login和password都输入msfadmin3、登录成功，进入系统4、测试如下：二、MySQL弱密码登录：1、在kali上执行mysql –h 192.168.26.129 –u root2、登录成功，进入MySQL系统3、测试效果：三、PostgreSQL弱密码登录1、在Kali上执行psql -h 192.168.26.129 –U post..._metasploitable2怎么进入

Python学习之路：从入门到精通的指南_python人工智能开发从入门到精通pdf-程序员宅基地

文章浏览阅读257次。本文将为初学者提供Python学习的详细指南，从Python的历史、基础语法和数据类型到面向对象编程、模块和库的使用。通过本文，您将能够掌握Python编程的核心概念，为今后的编程学习和实践打下坚实基础。_python人工智能开发从入门到精通pdf