习总结于国立台湾大学 ：李宏毅老师
Wasserstein GAN 、 Improved Training of Wasserstein GANs
本文outline
一句话介绍WGAN： Using Earth Mover’s Distance to evaluate two distribution Earth Mover‘s Distance（EMD） = Wasserstein Distance
一. WGAN
1. Earth Mover’s Distance（EMD）
EMD: P和Q为两个分布：P分布为一堆土，Q分布为要移到的目标，那么要移动P达到Q，哪种距离更小呢？
这里有许多种可能的moving plans，利用最小平均距离的moving plans来定义EMD
那么以下是最好的moving plans：
来用矩阵直观解释移土方案：
图中每个像素点对应row需要移出多少土到对应column， 越亮表示移动越多。注意每一个row的值加起来为对应P行的分布， 每个column的值加起来为对应Q行的分布。所以可以有很多的moving plan来实现：
γ(xp,xq)表示从p移动多少土到q， || xp - xq ||表示pq之间的距离。上式就是给定一个plan时需要平均移动的距离。 那么EMD定义就是
穷举所有plan，EMD为最小的距离（最优的plan）：
2. Why EMD
在更新过程中我们希望PG的分布和Pdata越来越相似：
但是Df(Pdata||PG): 因为从JS-divergence来看：无法从G0变到G100， 因为G50并没有比G0变小
用W(Pdata, PG)则不同，G0对应的距离就是d0， G50对应的距离就是G50：所以利用Wasserstein距离时，model就会有动机使得分布趋于真实分布。
3. 回到GAN框架
我们知道所有的f-divergence都可以写成以下形式：
1）
而Earth Mover’s Distance可以写成以下形式：
2）
即找一个D使得大括号里的值最大，而限制是D属于1-Lipschitz。
Lipschitz Function： 输出的变化小于等于输入的变化， k=1时为 1-Lipschitz ，即变化的不要太猛烈。
栗子：黑线为基准， 蓝线变化很猛烈不是1-Lipschitz， 而绿线变化缓和属于1-Lipschitz。
所以回到 2）式，如果没有对D的限制，当D(x1) 和D(x2)为正负无穷时可以最大化2）式，下图左。而现在对D有此限制
，则D的取值如下图右：
D(x1) 和D(x2)差距一定要小于d。下图说明了利用EMD的好处是PG可以沿着梯度移动到蓝色Pdata，而原生GAN的判别器D为而二元分类器，输出为sigmoid函数。对于蓝色和橙色的分布，原生GAN可能为蓝线：对应Pdata的输出值为1，对应PG的输出值为0。所以蓝色曲线在蓝色和橙色分布的梯度为0，根本没有动力去挪动generator的输出来更新。而EMD在两个分布附近都有梯度，可以继续更新。
WGAN优点： WGAN will provide gradient to push PG towards Pdata
4. WGAN优化
那么怎么梯度更新呢？因为D有了限制，无法直接利用SGD。这里引入一种方法：Weight clipping
就是强制令权重w 限制在c ~ -c之间。在参数更新后，如果w>c，则令w=c， 如果w<-c，则令w=-c。我们这样做只为保证：
对权重的限制表示对NN的输入做一个变化，输出的变化总是有限的。实做上对于w进行限制：就可以限制了这条直线的斜率，否则D的输出为一条很斜的直线，且不断变直，给橙色的值越来越小，给蓝色的值越来越大，无法停止。
5. WGAN 算法
result：
原来的GAN是衡量JS-divergence，GAN是把JS-divergence train到底，所有case的结果几乎都是0，不管你generate的image好不好，JS-divergence都是个定值。那Discriminator就不是衡量JS-divergence，D的output就变得没有意义了。但是如果我们用WGAN的话，discriminator衡量的是EMD，而这个earth mover’s distance 衡量的就是两个分布真正的距离。所以看discriminator的loss可以真的表示出generate的图片的好坏。
二. Improved WGAN
A differentiable function is 1-Lipschitz if and only if it has gradients with norm less than or equal to 1 everywhere.
就是说如果一个函数是1-Lipschitz，那么它的gradients with morm <=1:
注意这里的gradient不是对参数，而是input对output的gradient，即x对D(x)的gradient。
注意此惩罚项penalty：如果梯度的norm>1就会惩罚，即
，因不可能对所有x作积分，所以对sample的x求期望
那Ppenalty是什么呢，怎么从Ppenalty sample x呢？首先从Pdata sample一个点，再从PG sample一个点，然后在其连线中sample出x，即x是在Pdata 和 PG 之间的区域中sample：
Only give gradient constraint to the region between ??_???????? and ??_?? because they influence how ??_?? moves to ??_????????
仅仅对Pdata 和 PG 之间的区域的梯度进行限制，因为只有这个区域影响PG 移向Pdata 。
而进一步，Improved WGAN不是让gradient的norm小于1，而是越接近1越好： 因为希望Pdata的D(x)越大越好， PG的 D(x)越小越好，然而这个差距总是有限的，所以希望中间的蓝色区域的gradient越大越好，因为蓝色的坡度越陡，Pdata 和PG的差距越大，然而蓝色的gradient的最大值就只能取到1.
论文给出利用Weight clipping 和 Gradient penalty 学出来的discriminator有什么差距。
如果利用Weight clipping 得到的weight集中在clip的地方，而Gradient penalty得到的weight的distribution比较正常：
下图中黄色的点为true distribution，要learn一个discriminator使黄色的点值比较大，其他点值比较小。因为Weight clipping对weight进行了限制，所以很难学出复杂的discriminator， 而gradient penalty可以学到复杂的分布。
接下来是一些真实的实验结果：
上图主要表示不同的压力测试，Improved WGAN都有好的表现。
三. Paired Data
Conditional GAN： test to image 、 image to image
1）text to image by traditional supervised learning：
以上是传统监督方法，但这么做可能有问题，因为对于一个叙述可能有不同的image，用这个方法来训练，你的machine的output可能想同时minimize跟所有不同example之间的distance，那么可能产生的就是一个很模糊的图案：
然而用GAN方法的话，输入是c和一个distribution，那么输出x也是一个distribution：即输出可能落在蓝点的分布或绿点的分布，就不会落在红点的分布：
以下两种Discriminator左边可能产生清晰但图文无关的图，而右边则效果好很多：
2） image to image
先看用传统监督方法怎么做：Traditional supervised approach
首先搜集最右边的真实图像，然后生成最左边的几何图形，利用这种传统监督方法train来learn一个NN而不是一个GAN 的generator的话，测试时可能有以下结果：
模糊原因同上：同一个输入有许多不同的输出，machine找到的是所有输出的平均。来看看用GAN train的方法：
result： machine自己加了个小阁楼
如果再加一个限制，使得generate的图像与原图越接近越好，则得到更合理的图像：
result： 更接近原图
四. Unpaired Data
此时没有成对的图片，例如只有一大堆风景图片和一大堆梵高的油画（并没有对应关系说哪张风景画对应于哪张梵高的画），那怎么做呢？
对于这种不同Domain之间的转换，方法有：Cycle GAN, Disco GAN
Cycle GAN做法：先train一个generator，可以把Domain X转为Domain Y。
注意此时G输出会越来越像梵高的画，但可能是一张和输入完全无关的图，因为对它的要求只追求像梵高的画，上图右（原本应该产生风景油画却产生出了人物头像）。所以这里应该再加一个generator，它把梵高油画转为输入的原画（下图左）：
上图右可以将训练好的两个generator用来真实画与梵高油画之间的转换。
来源：CSDN
作者：Candy_GL
链接：https://blog.csdn.net/Candy_GL/article/details/81149591