过去几年发表于各大 AI 顶会论文提出的 400 多种算法中，公开算法代码的仅占 6%，其中三分之一的论文作者分享了测试数据，约 54% 的分享包含“伪代码”。这是今年 AAAI 会议上一个严峻的报告。 人工智能这个蓬勃发展的领域正面临着实验重现的危机，就像实验重现问题过去十年来一直困扰着心理学、医学以及其他领域一样。最根本的问题是研究人员通常不共享他们的源代码。 

可验证的知识是科学的基础，它事关理解。随着人工智能领域的发展，打破不可复现性将是必要的。为此，PaperWeekly 联手百度 PaddlePaddle 共同发起了本次论文有奖复现，我们希望和来自学界、工业界的研究者一起接力，为 AI 行业带来良性循环。

 下载安装命令 ## CPU版本安装命令 pip install -f https://paddlepaddle.org.cn/pip/oschina/cpu paddlepaddle ## GPU版本安装命令 pip install -f https://paddlepaddle.org.cn/pip/oschina/gpu paddlepaddle-gpu

作者丨黄涛 

学校丨中山大学数学学院18级本科生

研究方向丨图像识别、VQA、生成模型和自编码器

 

论文复现代码： 

http://aistudio.baidu.com/#/projectdetail/23600

GAN

生成对抗网络（Generative Adversarial Nets）是一类新兴的生成模型，由两部分组成：一部分是判别模型（discriminator）D(·)，用来判别输入数据是真实数据还是生成出来的数据；另一部分是是生成模型（generator）G(·)，由输入的噪声生成目标数据。GAN 的优化问题可以表示为：

其中 Pdata 是生成样本，noise 是随机噪声。而对于带标签的数据，通常用潜码（latent code）c 来表示这一标签，作为生成模型的一个输入，这样我们有：

然而当我们遇到存在潜在的类别差别而没有标签数据，要使 GAN 能够在这类数据上拥有更好表现，我们就需要一类能够无监督地辨别出这类潜在标签的数据，InfoGAN 就给出了一个较好的解决方案。

互信息（Mutual Information）

互信息是两个随机变量依赖程度的量度，可以表示为：

要去直接优化 I(c;G(z,c)) 是极其困难的，因为这意味着我们要能够计算后验概率（posterior probability）P(c|x)，但是我们可以用一个辅助分布（auxiliary distribution）Q(c|x)，来近似这一后验概率。这样我们能够给出互信息的一个下界（lower bounding）：

InfoGAN

在 InfoGAN 中，为了能够增加潜码和生成数据间的依赖程度，我们可以增大潜码和生成数据间的互信息，使生成数据变得与潜码更相关：

▲ 图1. InfoGAN的整体结构图

由上面的，对于一个极大化互信息的问题转化为一个极大化互信息下界的问题，我们接下来就可以定义：

在论文的附录中，作者证明了：

于是：

故 LI (G, Q) 是互信息的一个下界。作者指出，用蒙特卡罗模拟（Monte Carlo simulation）去逼近 LI (G, Q) 是较为方便的，这样我们的优化问题就可以表示为：

实现

在实现中，D(x)、G(z, c) 和 Q(x) 分别用一个 CNN (Convolutional Neural Networks)、CNN、DCNN (DeConv Neural Networks) 来实现。同时，潜码 c 也包含两部分：一部分是类别，服从 Cat(K = N,p = 1/N)，其中 N 为类别数量；另一部分是连续的与生成数据有关的参数，服从 Unif(−1,1) 的分布。 

在此应指出，Q(c|x) 可以表示为一个神经网络 Q(x) 的输出。对于输入随机变量 z 和类别潜码 c，实际的 LI(G, Q) 可以表示为：

其中 · 表示内积（inner product），c 是一个选择计算哪个 log 的参数，例如 ci = 1 而 cj = 0(∀j = 1,2,···,i − 1,i + 1,···,n)，那么 z 这时候计算出的 LI(G,Q) 就等于 log(Q(z,c)i)。这里我们可以消去 H(c)，因为 c 的分布是固定的，即优化目标与 H(c) 无关：

而对于参数潜码，我们假设它符合正态分布，神经网络 Q(x) 则输出其预测出的该潜码的均值和标准差， 我们知道，对于均值 μ，标准差 σ 的随机变量，其概率密度函数为：

要计算参数潜码 c 的，就是要计算 log p(c)，即：

设 Q(x) 输出的参数潜码 c 的均值 μ，标准差 σ 分别为 Q(x)μ 和 Q(x)σ，那么对于参数潜码 c：

同样的，我们可以消去 H(c)，因为 c 的分布是固定的，那么：

实验

首先，通过和普通的 GAN 比较 LI ，作者证明了 InfoGAN 确实能够优化这一互信息的下界 2。 

作者在 MNIST 手写数字数据集（3）、3D 面部数据集（4）、3D 椅子数据集（5）、SVHN 街景房号数据集（6）以及 CelebA 人脸数据集（7）上进行了模型的相关测试。 

▲ 图2. MNIST手写字符数据集上的结果

▲ 图3. 3D面部数据集上的结果

▲ 图4. 3D椅子数据集上的结果

▲ 图5. SVHN街景房号数据集上的结果

▲ 图6. CelebA人脸数据集上的结果

作者展示了这些数据集上学习到的类别潜码（从上至下变化）和参数潜码（从左至右变化，由 -2 到 2），我们可以看出，InfoGAN 不仅能够很好地学习数据之间的类型差别，也能够很好地学习到数据本身的一些易于区分的特点，而且生成模型对这些特点的泛化能力还是很好的。

再论InfoGAN的LI

读完论文，我们发现，对于类别潜码，这个 LI 本质上是 x 与 G(z, c) 之间的 KL 散度：

也就是说：

而 min DKL(c||Q(G(z, c))) 意味着减小 c 与 Q(G(z, c)) 的差别。

▲ 图7. 普通GAN和InfoGAN的LI在训练过程中的比较

如果我们不考虑 Q(x)σ 的影响，LI 的优化过程：

而也意味着减小 c 与 Q(G(z, c))μ 的差。

再纵观整个模型，我们会发现这一对 LI 优化的过程，实质上是以 G 为编码器（Encoder）， Q 为解码器（Decoder），生成的图像作为我们要编码的码（code），训练一个自编码器（Autoencoder），也就是说，作者口中的信息论优化问题，本质上是无监督训练问题。

关于PaddlePaddle

在 PaddlePaddle 中，一个极为重要的概念即是 fluid.Program()，在官方文档里常见的 exe.run(program= fluid.default_startup_program())的 fluid.default_startup_program() 就是其中一个例子。

在这一使用中可以了解到，我们要用 exe.run() 中的 program 参数运行指定的 fluid.Program()，而官方文档指出，当该参数未指定时，会运行 fluid.default_main_program()，而 fluid.default_main_program() 代表的是未指定 fluid.Program() 的所有操作。

注意，这里说的是“所有”，由于 PaddlePaddle 没有计算依赖检测机制，即使在计算 fetch_list 中的值的时候不会用到操作也会被计算，这一点与 TensorFlow 极其不同，作者本人在使用过程中踩了很大的坑，还望各位注意。在执行多种任务的时候不要一股脑全部写在 fluid.default_main_program() 之中， 这样极其浪费资源，也容易造成一些问题。

一个新的 fluid.Program() 被创建之后，可以在 fluid.program_guard() 中指定该 fluid.Program() 中的操作与变量：

PaddlePaddle 中还需要注意的一点是，fluid.Variable 的命名空间是全局的，也就是说在同一或者不同 fluid. Program() 间，同名（fluid.Variable 的 name 属性相同）的 fluid.Variable 所指向的变量是相同的，所以同一名称在同一或者不同 fluid.Program () 中可以被使用多次，而不用担心 TensorFlow 中会出现的 reuse 问题。 

要对一个操作的中的权值的名称进行定义（权值命名为 W1，偏置命名为 b1）：

要在之后使用这些 fluid.Variable，例如在 Optimizer 中使用：

在构建完基本的运算操作后，便可以开始初始化操作了：

初始化完成后，可以开始训练啦：

GAN实现

生成对抗网络（Generative Adversarial Nets）是一类新兴的生成模型，由两部分组成：一部分是判别模型（discriminator）D(·)，用来判别输入数据是真实数据还是生成出来的数据；另一部分是是生成模型（generator）G(·)，由输入的噪声生成目标数据。GAN 的优化问题可以表示为：

其中 Pdata 是生成样本，noise 是随机噪声。我们用一个双层的 MLP 来演示：

通常，一个 GAN 的训练由两部分组成，第一部分是对 D(·) 进行训练，极大化目标函数：

第二部分是对 G(·) 进行训练，极小化目标函数：

以下是两部分优化的定义：

 

在定义好这些之后，是时候开训练了：

 

 

若欲测试模型效果，可再定义一个 Inference：

 

 

然后再这样获取 samples：

 

 

后记

 

本文先前于今年 8 月完成，共享于 PaddlePaddle 论文复现群内，在 10 月 LSGAN 的复现公开之 后，参考该复现更改了模型参数命名和参数列表的实现方法，在此感谢 Todd 同学的复现对本文的帮助。

 

 

转载来源：PaperWeekly