在這個系列中，我們嘗試從能量的視角理解 GAN。我們會發現這個視角如此美妙和直觀，甚至讓人拍案叫絕。
本視角直接受啟發於 Bengio 團隊的新作 Maximum Entropy Generators for Energy-Based Models [1]，這篇文章前幾天出現在 arXiv 上。
當然，能量模型與 GAN 的聯絡由來已久，並不是這篇文章的獨創，只不過這篇文章做得仔細和完善一些。另外本文還補充了自己的一些理解和思考上去，力求更為易懂和完整。
作為第一篇文章，我們先來給出一個直白的類比推導：GAN 實際上就是一場前仆後繼（前挖後跳？）的“挖坑”與“跳坑”之旅。
▲ “看那挖坑的人，有啥不一樣～”
總的來說，本文大致內容如下：
1. 給出了 GAN/WGAN 的清晰直觀的能量影像；
2. 討論了判別器（能量函式）的訓練情況和策略；
3. 指出了梯度懲罰一個非常漂亮而直觀的能量解釋；
4. 討論了 GAN 中優化器的選擇問題。
前“挖”後“跳”
在這部分中，我們以儘量通俗的比喻來解釋什麼是能量視角下的 GAN。
首先我們有一批樣本 x1, x2, … , xn，我們希望能找到一個生成模型，這個模型有能力造出一批新的樣本
，我們希望這批新樣本跟原樣本很相似。怎麼造呢？很簡單，分兩步走。
“挖坑”
第一步，挖坑：我們挖很多坑，這些坑的分佈可以用一個能量函式 U(x) 描述，然後我們要把真實樣本 x1, x2, … , xn 都放在坑底，然後把造出來的假樣本放到“坑腰”：
▲ GAN第一步：“挖坑”
▲ 然後我們把真假樣本放到適當的位置
“跳坑”
第二步，跳坑：把 U(x) 固定住，也就是不要再動坑了，然後把假樣本鬆開，顯然它們就慢慢從滾到坑底了，而坑底代表著真實樣本，所以都變得很像真樣本了：
▲ GAN第二步：“跳坑”
這便是 GAN 的工作流程。
把GAN寫下來
注意，上述兩步不僅僅是簡單的比喻，而是 GAN 的完整描述了。根據上述兩個步驟，我們甚至可以直接把 GAN 訓練公式寫出來。
判別器
首先看“挖坑”，我們說了要將真樣本放到坑底，假樣本放到坑腰，以便後面假樣本可以滾到坑底，這意味著假樣本的“平均海拔”要高於真樣本的“平均海拔”，也就是說：
儘量小，這裡我們用 p(x) 表示真實樣本的分佈，q(x) 表示假樣本的分佈。假樣本通過 x=G(z) 生成，而 z∼q(z) 是標準正態分佈。
梯度懲罰
另外，我們還說真樣本要在坑底，用數學的話說，坑底就是一個極小值點，導數等於 0 才好，即要滿足
是最理想的，換成優化目標的話，那就是
越小越好。兩者綜合起來，我們就得到 U 的優化目標：
注：以往對於梯度懲罰，我們總會有兩個困惑：1）梯度懲罰究竟是以 0 為中心好還是以 1 為中心好；2）梯度懲罰要對真樣本、假樣本還是真假插值樣本進行？
現在，基於能量視角，我們可以得到“對真樣本進行以 0 為中心的梯度懲罰”比較好，因為這意味著（整體上）要把真樣本放在極小值點處。
至此，在能量視角下，我們對梯度懲罰有了一個非常直觀的回答。
生成器
然後看“跳坑”，也就是坑挖好了， U 固定了，我們讓假樣本滾到坑底，也就是讓 U(x) 下降，滾到最近的一個坑，所以：
可以看到，判別器實際上就是在“造勢”，而生成器就是讓勢能最低，這便是能量 GAN 的主要思想。
交替訓練
如果真實情況的坑都像上面的圖那麼簡單，那麼可能就只需要兩步就能訓練完一個生成模型了。
但是真實情況下的坑可能是很複雜的，比如下圖中假樣本
慢慢下滑，並不一定能到達 x1 的坑，而是到達一箇中間的坑，這個中間的坑並非代表真樣本，可能僅僅是“次真”的樣本，所以我們需要不斷地改進假樣本，也需要不斷地把坑修正過來（比如爭取能下一步把阻礙前進的峰“削掉”）。
這也就是說，我們需要反覆、交替地執行 (1)、(3) 兩步。
▲ 真實情況下坑的分佈可能更復雜
坑的學問
看，頭腦中想象著幾個坑，我們就可以把 GAN 的完整框架匯出來了，而且還是先進的 WGAN-GP 的升級版：以 0 為中心的梯度懲罰。GAN 不過是一場坑的學問。
對這個GAN的進一步討論，可以參考我之前寫的文章WGAN-div：默默無聞的WGAN填坑者或者論文 Which Training Methods for GANs do actually Converge? [2]。
進一步思考
上述圖景還能幫助我們回答很多問題。比如判別器能不能不要梯度懲罰？為什麼 GAN 的訓練、尤其是生成器的訓練多數都不用帶動量的優化器，或者就算用帶動量的優化器，也要把動量調小一點？還有 mode collapse（模式坍縮）是怎麼發生呢？
Hinge Loss
梯度懲罰在理論上很漂亮，但是它確實太慢，所以從實踐角度來看，其實能不用梯度懲罰的話最好不用梯度懲罰。但是如果不用梯度懲罰，直接最小化式 (1)，很容易數值不穩定。
這不難理解，因為沒有約束情況下，很容易對於真樣本有 U(x)→−∞ ，對於假樣本有 U(x)→+∞ ，也就是判別器優化得太猛了，差距拉得太大（無窮大）了。
那麼一個很自然的想法是，分別給真假樣本分別設定一個閾值，U(x) 的優化超過這個閾值就不要再優化了，比如：
這樣一來，對於 x∼p(x)，如果 U(x)<−1，則 max(0,1+U(x))=0，對於 x∼q(x)，U(x)>1，則 max(0,1−U(x))=0，這兩種情況下都不會在優化 U(x) 了，也就是說對於真樣本 U(x) 不用太小，對於假樣本 U(x) 不用太大，從而防止了 U(x) 過度優化了。
這個方案就是 SNGAN、SAGAN、BigGAN 都使用的 hinge loss 了。
當然，如果 U(x) 本身就是非負的（比如 EBGAN 中用自編碼器的 MSE 作為 U(x)），那麼可以稍微修改一下式 (4) ：
其中 m>0。
優化器
至於優化器的選擇，其實從“跳坑”那張圖我們就可以看出答案來。
帶動量的優化器有利於我們更快地找到更好的極小值點，但是對於 GAN 來說，其實我們不需要跑到更好的極小值點，我們只需要跑到最近的極小值點，如果一旦跳出了最近的極小值點，跑到更低的極小值點，那麼可能就喪失了多樣性，甚至出現 mode collapse。
比如下圖中的
，不帶動量的優化演算法能讓跑到 x2 處就停下來，如果帶動量的話，那麼可能越過 x2 甚至跑到 x1 去了。儘管 x1 也是真樣本，但是這樣一來
同時向 x1 靠攏，也許沒有假樣本能生成 x2 了，從而喪失了多樣性。
▲ 帶動量與不帶動量的優化軌跡比較：不帶動量時，假樣本只需要落到最近一個坑，如果帶動量的話，可能越過最近的坑，到達更遠的坑去，導致假樣本聚集在某些真樣本附近，喪失多樣性。
所以，在 GAN 的優化器中，動量不能太大，太大反而有可能喪失生成樣本的多樣性，或者造成其他的不穩定情況。
Mode Collapse
什麼是 mode collapse？為什麼會發生 mode collapse？還是可以用這個圖景來輕鬆解釋。
前面我們畫的圖把假樣本
畫得很合理，但是如果一旦初始化不好、優化不夠合理等原因，使得同時聚在個別坑附近，比如：
▲ Mode Collapse圖示
這時候按照上述過程優化，所有假樣本都都往 xn 奔了，所以模型只能生成單一（個別）樣式的樣本，這就是 mode collapse。
簡單來看，mode collapse 是因為假樣本們太集中，不夠“均勻”，所以我們可以往生成器那裡加一個項，讓假樣本有均勻的趨勢。這個項就是假樣本的熵 H(X)=H(G(Z))，我們希望假樣本的熵越大越好，這意味著越混亂、越均勻，所以生成器的目標可以改為：
這樣理論上就能解決 mode collapse 的問題。至於 H(X) 怎麼算，我們後面會詳細談到。
能量視角之美
對於 GAN 來說，最通俗易懂的視角當屬“造假者-鑑別者”相互競爭的類比，這個視角直接導致了標準的 GAN。但是，這個通俗的類比無法進一步延伸到 WGAN 乃至梯度懲罰等正則項的理解。
相比之下，能量視角相當靈活，它甚至能讓我們直觀地理解 WGAN、梯度懲罰等內容，這些內容可以說是目前 GAN 領域最“先進”的部分成果了。雖然看起來能量視角比“造假者-鑑別者”形式上覆雜一些，但其實它的物理意義也相當清晰，稍加思考，我們會感覺到它其實更為有趣、更具有啟發性，有種“越嚼越有味”的感覺。
參考文獻
[1] Rithesh Kumar, Anirudh Goyal, Aaron Courville, Yoshua Bengio, “Maximum Entropy Generators for Energy-Based Models”, arXiv preprint arXiv:1901.08508, 2019.
[2] Lars Mescheder, Andreas Geiger, Sebastian Nowozin, “Which Training Methods for GANs do actually Converge?”, ICML 2018.