转自：https://zhuanlan.zhihu.com/p/24767059，感谢分享

tf源码：http://www.pianshen.com/article/112845069/

       生成式对抗网络（GAN）是近年来大热的深度学习模型。最近正好有空看了这方面的一些论文，跑了一个GAN的代码，于是写了这篇文章来介绍一下GAN。

本文主要分为三个部分：

1. 介绍原始的GAN的原理 

2. 同样非常重要的DCGAN的原理 

3. 如何在Tensorflow跑DCGAN的代码，生成如题图所示的动漫头像，附送数据集哦 :-)

一、GAN原理介绍

         说到GAN第一篇要看的paper当然是Ian Goodfellow大牛的Generative Adversarial Networks（arxiv：https://arxiv.org/abs/1406.2661），这篇paper算是这个领域的开山之作。

         GAN的基本原理其实非常简单，这里以生成图片为例进行说明。假设我们有两个网络，G（Generator）和D（Discriminator）。正如它的名字所暗示的那样，它们的功能分别是：

1）G是一个生成图片的网络，它接收一个随机的噪声z，通过这个噪声生成图片，记做G(z)。

2）D是一个判别网络，判别一张图片是不是“真实的”。它的输入参数是x，x代表一张图片，输出D（x）代表x为真实图片的概率，如果为1，就代表100%是真实的图片，而输出为0，就代表不可能是真实的图片。

       在训练过程中，生成网络G的目标就是尽量生成真实的图片去欺骗判别网络D。而D的目标就是尽量把G生成的图片和真实的图片分别开来。这样，G和D构成了一个动态的“博弈过程”。

      最后博弈的结果是什么？在最理想的状态下，G可以生成足以“以假乱真”的图片G(z)。对于D来说，它难以判定G生成的图片究竟是不是真实的，因此D(G(z)) = 0.5。

     这样我们的目的就达成了：我们得到了一个生成式的模型G，它可以用来生成图片。

以上只是大致说了一下GAN的核心原理，如何用数学语言描述呢？这里直接摘录论文里的公式：

简单分析一下这个公式：

        整个式子由两项构成。x表示真实图片，z表示输入G网络的噪声，而G(z)表示G网络生成的图片。

        D(x)表示D网络判断真实图片是否真实的概率（因为x就是真实的，所以对于D来说，这个值越接近1越好）。而D(G(z))是D网络判断G生成的图片的是否真实的概率。

       G的目的：上面提到过，D(G(z))是D网络判断G生成的图片是否真实的概率，G应该希望自己生成的图片“越接近真实越好”。也就是说，G希望D(G(z))尽可能得大，这时V(D, G)会变小。因此我们看到式子的最前面的记号是min_G。

      D的目的：D的能力越强，D(x)应该越大，D(G(x))应该越小。这时V(D,G)会变大。因此式子对于D来说是求最大(max_D)

     下面这幅图片很好地描述了这个过程：

那么如何用随机梯度下降法训练D和G？论文中也给出了算法：

可以这么理解：

第一步：训练D，D是希望V(G, D)越大越好，所以是max。那么上面公式的第一项D(X)就要变大。第二项D(G(z))就要变小，才能使得V(G,D)变大。也就好比如：你给我送来了生成的图片，但是我把你判定为低，说明你送来的图片不够真实，你诚意不够，给我送过来更真实的图片吧。

第二步：训练G时，V(G, D)越小越好，所以是min。G不影响上面公式的第一项，所以G希望V(G,D)越小越好，也就是D(G(z))越大越好。可以理解为：好吧，既然你嫌弃我送的图片不够真实，那我就给你送更真实的过来，看招吧。

如此反复进行（弃不够真实--->我给你送更真实的--->还不够真实--->我再给你送更真实的--->.......），最终生成的图片将越来越真实。

二、DCGAN原理介绍

       我们知道深度学习中对图像处理应用最好的模型是CNN，那么如何把CNN与GAN结合？DCGAN是这方面最好的尝试之一（论文地址：[1511.06434] Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks）

       DCGAN的原理和GAN是一样的，这里就不在赘述。它只是把上述的G和D换成了两个卷积神经网络（CNN）。但不是直接换就可以了，DCGAN对卷积神经网络的结构做了一些改变，以提高样本的质量和收敛的速度，这些改变有：

 1）取消所有pooling层。G网络中使用转置卷积（transposed convolutional layer）进行上采样，D网络中用加入stride的卷积代替pooling。

2）在D和G中均使用batch normalization

3）去掉FC层，使网络变为全卷积网络

4）G网络中使用ReLU作为激活函数，最后一层使用tanh

5）D网络中使用LeakyReLU作为激活函数

三、DCGAN in Tensorflow

        好了，上面说了一通原理，下面说点有意思的实践部分的内容。

       DCGAN的原作者用DCGAN生成LSUN的卧室图片，这并不是特别有意思。之前在网上看到一篇文章Chainerで顔イラストの自動生成 - Qiita，是用DCGAN生成动漫人物头像的，效果如下：

这是个很有趣的实践内容。可惜原文是用Chainer做的，这个框架使用的人不多。下面我们就在Tensorflow中复现这个结果。

1. 原始数据集的搜集

首先我们需要用爬虫爬取大量的动漫图片，原文是在这个网站：http://safebooru.donmai.us/中爬取的。我尝试的时候，发现在我的网络环境下无法访问这个网站，于是我就写了一个简单的爬虫爬了另外一个著名的动漫图库网站：konachan.net - Konachan.com Anime Wallpapers。

爬虫代码如下：

这个爬虫大概跑了一天，爬下来12万张图片，大概是这样的：

可以看到这里面的图片大多数比较杂乱，还不能直接作为数据训练，我们需要用合适的工具，截取人物的头像进行训练。

2. 头像截取

截取头像和原文一样，直接使用github上一个基于opencv的工具：nagadomi/lbpcascade_animeface。

简单包装下代码：

截取头像后的人物数据：

这样就可以用来训练了！如果你不想从头开始爬图片，可以直接使用我爬好的头像数据（275M，约5万多张图片）：https://pan.baidu.com/s/1eSifHcA 提取码：g5qa

3. 训练

DCGAN在Tensorflow中已经有人造好了轮子：carpedm20/DCGAN-tensorflow，我们直接使用这个代码就可以了。

不过原始代码中只提供了有限的几个数据库，如何训练自己的数据？在model.py中我们找到读数据的几行代码：

这样读数据的逻辑就很清楚了，我们在data文件夹中再新建一个anime文件夹，把图片直接放到这个文件夹里，运行时指定--dataset anime即可。

运行指令（参数含义：指定生成的图片的尺寸为48x48，我们图片的大小是96x96，跑300个epoch）：

4. 结果

第1个epoch跑完（只有一点点轮廓）：

第5个epoch之后的结果：

第10个epoch：

200个epoch，仔细看有些图片确实是足以以假乱真的：

题图是我从第300个epoch生成的。

四、总结和后续

简单介绍了一下GAN和DCGAN的原理。以及如何使用Tensorflow做一个简单的生成图片的demo。

一些后续阅读：

1）Ian Goodfellow对GAN一系列工作总结的ppt，确实精彩，推荐：独家 | GAN之父NIPS 2016演讲现场直击：全方位解读生成对抗网络的原理及未来（附PPT）

2）GAN论文汇总，包含code：zhangqianhui/AdversarialNetsPapers