https://www.bilibili.com/video/av9770302/?p=15
前面说了auto-encoder，VAE可以用于生成
VAE的问题，
AE的训练是让输入输出尽可能的接近，所以生成出来图片只是在模仿训练集，而无法生成他完全没有见过的，或新的图片
由于VAE并没有真正的理解和学习如何生成新的图片，所以对于下面的例子，他无法区分两个case的好坏，因为从lost上看都是比7多了一个pixel
所以产生GAN，
大家都知道GAN是对抗网络，是generator和discriminator的对抗，对抗是有一个逐渐进化的过程
过程是，
我们通过V1的generator的输出和real images来训练V1的discriminator，让V1的discriminator可以判别出两者的差别
然后，将V1的generator和V1的discriminator作为整体network训练（这里需要固定discriminator的参数），目标就是让generator产生的图片可以骗过V1的discriminator
这样就产生出V2的generator，重复上面的过程，让generator和discriminator分别逐渐进化
训练Discriminator的详细过程，
训练generator的详细过程，
可以看到 generator会调整参数，产生image让discriminator判别为1，即骗过discriminator
并且在网络训练的时候，虽然是把generator和discriminator合一起训练，但是要fix住discriminator的参数，不然discriminator只需要简单的迎合generator就可以达到目标，起不到对抗的效果
下面从理论上来看下GAN，
GAN的目的是生成和目标分布(训练集所代表的分布)所接近的分布
Pdata就是训练数据所代表的分布
PG是我们要生成的分布
所以我们的目标就是让PG和Pdata尽可能的close
从Pdata中sample任意m个点，然后用这些点去计算PG，用最大似然估计，算likelihood
让这些点在PG中的概率和尽可能的大，就会让PG分布接近Pdata
这里的推导出，上面给出的最大似然估计，等价于求Pdata和PG的KL散度，这个是make sense的，KL散度本身就用来衡量两个分布的相似度
这里PG可以是任意函数，比如，你可以用高斯混合模型来生成PG，那么theta就是高斯混合中每个高斯的参数和weight
那么这里给定参数和一组sample x，我们就可以用混合高斯的公式算出PG，根据上面的推导，也就得到了两个分布的KL散度
当然高斯混合模型不够强大，很难很好的去拟合Pdata
所以这里是用GAN的第一个优势，我们可以用nn去拟合PG
这个图就是GAN的generator，z符合高斯分布，z是什么分布不关键也可以是其他分布
通过Gz函数，得到x，z可以从高斯分布中sample出很多点，所以计算得到很多x，x的分布就是PG；只要nn足够复杂，虽然z的分布式高斯，但x可以是任意分布
这里和传统方法，比如高斯混合的不同是，这个likelihood，即PG不好算，因为这里G是个nn，所以我们没有办法直接计算得到两个分布的KL散度
所以GAN需要discriminator，它也是一个nn，用discriminator来间接的计算PG和Pdata的相似性，从而替代KL散度的计算
GAN可以分成Generator G和Discriminator D，其中D是用来衡量PG和Pdata的相似性
最终优化目标的公式，看着很唬人，又是min，又是max
其实分成两个步骤，
给定G，优化D，使得maxV（红线部分），就是训练discriminator，计算出两个分布之间的差异值；在上图中就是在每个小图里找到那个红点
给定D，优化G，使得min(maxV)，就是在训练generator，最小化两个分布之间的差异；就是在上图中挑选出G3
这里有个问题没有讲清楚的是，
为何给定G，优化D，使得maxV，得到的V可以代表两个分布的差异？
如果这个问题明白了，下一步优化G，去最小化这个分布间的差异是很好理解的
做些简单的转换，如果我们要最后一步这个积分最大，那么等价于对于每个x，积分的内容都最大
这里是给定G，x，Pdata(x)，PG(x)都是常量，所以转换成D的一个简单函数
求最大值，就极值，就是求导找到极点
这里推导出当V max的时候， D的定义，并且D的值域应该在0到1之间
上面推导出如果要Vmax，D要满足
所以进一步将D带入V的公式，这里经过一系列推导得到，V就等价于jensen-shannon divergence
jensen-shannon divergence的定义，如下，
比KL divergence好的是，KL是非对称的，而jensen-shannon divergence是对称的，可以更好的反应两个分布间的差异
那么这里的推导就证明，给定G，优化D让V最大的时候，V就表示Pdata和PG的jensen-shannon divergence，所以这个Vmax就可以表示这个两个分布的差异，也就回答了前面的问题
原文地址：https://www.cnblogs.com/fxjwind/p/9275744.html