1 分类问题

之前我们 认知了神经网络、初步体验了模型训练、模型推理，但我们的研究问题貌似主要局限在「分类问题」上。即给定一个输入，机器通过神经网络模型将它分到一个特定的类别。无论是 数字识别的0~9十个数组的十分类；还是 OCR识别字符的6000分类。

垃圾分类也是分类问题哦~

然而，分类网络是无法解决很多实际问题的：它无法帮助我们将一批数据点进行拟合（回归问题）；无法将一批数据自主进行归为若干类（聚类问题）；无法识别摄像头中的行人（目标检测问题）；无法“阅读”一篇文章然后回答问题（NLP自然语言处理问题），也无法「创造」（生成问题）……

万能的只有钞票，可惜分类问题不是钞票

2 生成问题

创造，从其效果上，大家已经有了很普及的认知，生成人脸、生成宣传卡片。生成任务，最直观的理解即为通过学习一批数据对象（比如100万张人脸图片，又或50万张小猫的图片）的特征，来实现对应类型数据对象（人脸、小猫）的生成（凭空创造）。用一句古话来形容生成问题就是：“熟读唐诗三百首,不会作诗也会吟。” 读得多了，自然也会了模仿和创造。

读诗多了，自然会作诗

2.1 GAN-对抗生成网络

用AI解决生成问题的神经网络称之为GAN，即：Generative Adversarial Networks，即：对抗生成网络。小伙伴们或许会好奇，生成就生成，跟对抗有个毛毛关系呢？原来，生成任务的训练过程中是有两个网络同时参与协调训练的，即「鉴别网路」和「生成网络」，这两个网络在训练过程中互相「对抗」。

鉴别网络 & 生成网络 相互“对抗”

2.2 鉴别网络

「鉴别网络」是一个“测假仪”👇

鉴别网络是一个“测假仪”

如图，鉴别网络被期望可以分别一张图片是否是有生成网络生成出来的。(1代表真，代表鉴别网络认为输入的图片是“真”图，不是生成网络“生成的”；0代表假，表示鉴别网络成功鉴别了生成网络生成的“假图”）

2.3 生成网络

「生成网络」是一个“造假者”👇

生成网络的欺骗

如图，生成网络期望生成尽量接近真实的图片，达到「欺骗」鉴别网络的目的。

2.4 对抗生成要能「持续」对抗

对抗，要保持对抗的持续性，即「生成网络」创造的“赝品”当持续不能完全欺骗鉴别网络（全部被鉴别为1），也不能完全被鉴别网络鉴别（全部被鉴别为0）。

2.4.1 鉴别网络过于强大，无法继续对抗

如果……鉴别网络可以100%地 将生成数据鉴别为假。

那么，针对鉴别网络，它发现生成网络黔驴技穷，他的欺骗策略都是“100年前”的小儿科策略，它学不到新的鉴别策略。

生成网络黔驴技穷

而针对生成网络，它发现鉴别网络是 像神一般的存在，任何的欺骗行为都轻松地被识破，它根本不知道可以在哪一种欺骗方向上再进行挖掘和增强。就好像欺骗的种子还没发芽，就被鉴别网络连根拔起。

鉴别网络如神一般

2.4.2 欺骗网络过于强大，无法继续对抗

这时，欺骗网络变成了神一般的存在，我们拿出一张真图和一张假图，告诉鉴别网络这是真图、这是假图。但对鉴别网络而言，却像是在玩一局超出能力范围的找不同游戏……

鉴别网络在找不同游戏中迷失

真&假的差异在哪里？……，TA无法有效提取「真」与「假」的有效特征来强化自己的鉴别能力。

3. 感知：对抗的成果

之前的篇章，我们已经了解到，网络的训练过程是一个循环学习的过程，将训练集的所有数据学习一遍，我们称之为「训练一轮」。那么让我们直观地看看在对抗训练了不同轮次之后，生成网络的进步吧！👇

随着训练轮次的增多，生成的手写数字越来越真实

4 实践：亲自跑代码

对抗生成网络的训练是一项很困难的任务，笔者资讯了组内对该任务有过前沿研究的老曹。老曹的建议是，对抗生成任务的上手与体验一定要在一个Demo的基础上。任何一个细节训练参数（batch_size、learning_rate、loss_function等）的变化都很有可能造成生成任务的训练失败（不收敛）。看看，网友们为了能训练好GAN，专门搞了个git页面来分享训练技巧：How to Train a GAN? Tips and tricks to make GANs work。

以下是一份笔者亲自尝试可用的基于MNIST的对抗生成训练demo，原版是GPU版本的，笔者调整成了CPU版本。在mac book的CPU上跑了近20个小时，终于完成了 1000轮 的训练任务……这也就是玩神经网络应用一定要用 GPU 的原因，如此简单的任务都需要 20小时，而GPU相对CPU的提速一般在10~100倍。

# coding=utf-8
import torch.autograd
import torch.nn as nn
from torch.autograd import Variable
from torchvision import transforms
from torchvision import datasets
from torchvision.utils import save_image
import os

milestonGenPath = './img3';

# 创建文件夹
if not os.path.exists(milestonGenPath):
    os.mkdir(milestonGenPath)

def to_img(x):
    out = 0.5 * (x + 1)
    out = out.clamp(0, 1)  # Clamp函数可以将随机变化的数值限制在一个给定的区间[min, max]内：
    out = out.view(-1, 1, 28, 28)  # view()函数作用是将一个多行的Tensor,拼接成一行
    return out

batch_size = 128
num_epoch = 1000
z_dimension = 50

# 图像预处理
img_transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.1,), (0.5,))
])
# mnist dataset mnist数据集下载，没有下载的将download改成True
mnist = datasets.MNIST(
    root='./mnist/', train=True, transform=img_transform, download=True
)
# data loader 数据载入
dataloader = torch.utils.data.DataLoader(
    dataset=mnist, batch_size=batch_size, shuffle=True
)

# 定义判别器  #####Discriminator######使用多层网络来作为判别器
# 将图片28x28展开成784，然后通过多层感知器，中间经过斜率设置为0.2的LeakyReLU激活函数，
# 最后接sigmoid激活函数得到一个0到1之间的概率进行二分类。
class discriminator(nn.Module):
    def __init__(self):
        super(discriminator, self).__init__()
        self.dis = nn.Sequential(
            nn.Linear(784, 512),  # 输入特征数为784，输出为512
            nn.BatchNorm1d(512),
            nn.LeakyReLU(0.2),  # 进行非线性映射
            nn.Linear(512, 256),  # 进行一个线性映射
            nn.BatchNorm1d(256),
            nn.LeakyReLU(0.2),
            nn.Linear(256, 1),
            nn.Sigmoid()  # 也是一个激活函数，二分类问题中，
            # sigmoid可以班实数映射到【0,1】，作为概率值，
            # 多分类用softmax函数
        )

    def forward(self, x):
        x = self.dis(x)
        return x


####### 定义生成器 Generator #####
# 输入一个50维的0～1之间的高斯分布，然后通过第一层线性变换将其映射到256维,
# 然后通过LeakyReLU激活函数，接着进行一个线性变换，再经过一个LeakyReLU激活函数，
# 然后经过线性变换将其变成784维，最后经过Tanh激活函数是希望生成的假的图片数据分布
# 能够在-1～1之间。
class generator(nn.Module):
    def __init__(self):
        super(generator, self).__init__()
        self.gen = nn.Sequential(
            nn.Linear(50, 128),
            nn.LeakyReLU(0.2),
            nn.Linear(128, 256),
            nn.BatchNorm1d(256),
            nn.LeakyReLU(0.2),
            nn.Linear(256, 512),
            nn.BatchNorm1d(512),
            nn.LeakyReLU(0.2),
            nn.Linear(512, 1024),
            nn.BatchNorm1d(1024),
            nn.LeakyReLU(0.2),
            nn.Linear(1024, 784),
            nn.Tanh()
        )

    def forward(self, x):
        x = self.gen(x)
        return x

# 创建对象
D = discriminator()
G = generator()

#########判别器训练train#####################
# 分为两部分：1、真的图像判别为真；2、假的图像判别为假
# 此过程中，生成器参数不断更新
# 首先需要定义loss的度量方式  （二分类的交叉熵）
# 其次定义 优化函数,优化函数的学习率为0.0003
criterion = nn.BCELoss()  # 是单目标二分类交叉熵函数
d_optimizer = torch.optim.Adam(D.parameters(), lr=0.0003)
g_optimizer = torch.optim.Adam(G.parameters(), lr=0.0003)

###########################进入训练##判别器的判断过程#####################
for epoch in range(num_epoch):  # 进行多个epoch的训练
    for i, (img, _) in enumerate(dataloader):
        num_img = img.size(0)
        # view()函数作用是将一个多行的Tensor,拼接成一行
        # 第一个参数是要拼接的tensor,第二个参数是-1
        # =============================训练判别器==================
        img = img.view(num_img, -1)  # 将图片展开为28*28=784
        real_img = Variable(img)  # 将tensor变成Variable放入计算图中
        real_label = Variable(torch.ones(num_img))  # 定义真实的图片label为1
        fake_label = Variable(torch.zeros(num_img))  # 定义假的图片的label为0
        # 计算真实图片的损失
        real_out = D(real_img)  # 将真实图片放入判别器中
        d_loss_real = criterion(real_out, real_label)  # 得到真实图片的loss
        real_scores = real_out  # 得到真实图片的判别值，输出的值越接近1越好
        # 计算假的图片的损失
        z = Variable(torch.randn(num_img, z_dimension))  # 随机生成一些噪声
        fake_img = G(z)  # 随机噪声放入生成网络中，生成一张假的图片
        fake_out = D(fake_img)  # 判别器判断假的图片
        d_loss_fake = criterion(fake_out, fake_label)  # 得到假的图片的loss
        fake_scores = fake_out  # 得到假图片的判别值，对于判别器来说，假图片的损失越接近0越好
        # 损失函数和优化
        d_loss = d_loss_real + d_loss_fake  # 损失包括判真损失和判假损失
        d_optimizer.zero_grad()  # 在反向传播之前，先将梯度归0
        d_loss.backward()  # 将误差反向传播
        d_optimizer.step()  # 更新参数
        
        # ==================训练生成器============================
        ################################生成网络的训练###############################
        # 原理：目的是希望生成的假的图片被判别器判断为真的图片，
        # 在此过程中，将判别器固定，将假的图片传入判别器的结果与真实的label对应，
        # 反向传播更新的参数是生成网络里面的参数，
        # 这样可以通过更新生成网络里面的参数，来训练网络，使得生成的图片让判别器以为是真的
        # 这样就达到了对抗的目的
        # 计算假的图片的损失
        z = Variable(torch.randn(num_img, z_dimension))  # 得到随机噪声
        fake_img = G(z)  # 随机噪声输入到生成器中，得到一副假的图片
        #
        output = D(fake_img)  # 经过判别器得到的结果
        g_loss = criterion(output, real_label)  # 得到的假的图片与真实的图片的label的loss
        # bp and optimize
        g_optimizer.zero_grad()  # 梯度归0
        g_loss.backward()  # 进行反向传播
        g_optimizer.step()  # .step()一般用在反向传播后面,用于更新生成网络的参数
        # 打印中间的损失
        if (i + 1) % 100 == 0:
            print('Epoch[{}/{}],d_loss:{:.6f},g_loss:{:.6f} '
                  'D real: {:.6f},D fake: {:.6f}'.format(
                epoch, num_epoch, d_loss.data.item(), g_loss.data.item(),
                real_scores.data.mean(), fake_scores.data.mean()  # 打印的是真实图片的损失均值
            ))
        if epoch == 0 and i==len(dataloader)-1:
            real_images = to_img(real_img.data)
            save_image(real_images, './img3/real_images.png')
        if i==len(dataloader)-1:
            fake_images = to_img(fake_img.data)
            save_image(fake_images, './img3/fake_images-{}.png'.format(epoch + 1))
# 保存模型
torch.save(G.state_dict(), './generator.pth')
torch.save(D.state_dict(), './discriminator.pth') 

自己试试看吧~

往期回顾

将AI拉下神坛（一）：黑白纸片摆出的神经网络
将AI拉下神坛（二）：重复的学习居然真的有效！来来，先将课文抄写100遍！
将AI拉下神坛（三）：从OCR的应用过程到模型推理抽象