能量视角下的GAN模型（二）：GAN＝“分析”＋“采样”

在这个系列中，我们尝试从能量的视角理解GAN。我们会发现这个视角如此美妙和直观，甚至让人拍案叫绝。

上一篇文章里，我们给出了一个直白而用力的能量图景，这个图景可以让我们轻松理解GAN的很多内容，换句话说，通俗的解释已经能让我们完成大部分的理解了，并且把最终的结论都已经写了出来。在这篇文章中，我们继续从能量的视角理解GAN，这一次，我们争取把前面简单直白的描述，用相对严密的数学语言推导一遍。

跟第一篇文章一样，对于笔者来说，这个推导过程依然直接受启发于Benjio团队的新作 《Maximum Entropy Generators for Energy-Based Models》 。

原作者的开源实现： https://github.com/ritheshkumar95/energy_based_generative_models

本文的大致内容如下：

1、推导了能量分布下的正负相对抗的更新公式；
2、比较了理论分析与实验采样的区别，而将两者结合便得到了GAN框架；
3、导出了生成器的补充loss，理论上可以防止mode collapse；
4、简单提及了基于能量函数的MCMC采样。

在这部分中，我们先来简单引入能量模型，并且推导了能量模型理论上的更新公式，指出它具有正相、负相对抗的特点。

首先，我们有一批数据$x_1,x_2,\dots,x_n\sim p(x)$，我们希望用一个概率模型去拟合它，我们选取的模型为

\begin{equation}q_{\theta}(x) = \frac{e^{-U_{\theta}(x)}}{Z_{\theta}}\end{equation}

其中$U_{\theta}$是带参数$\theta$的未定函数，我们称为“能量函数”，而$Z_{\theta}$是归一化因子（配分函数）

\begin{equation}Z_{\theta} = \int e^{-U_{\theta}(x)}dx\label{eq:z}\end{equation}

这样的分布可以称为“能量分布”，在物理中也被称为“玻尔兹曼分布”。

至于为什么选择这样的能量分布，解释有很多，既可以说是从物理角度受到启发，也可以说是从最大熵原理中受到启发，甚至你也可以简单地认为只是因为这种分布相对容易处理而已。但不可否认，这种分布很常见、很实用，我们用得非常多的softmax激活，其实也就是假设了这种分布。

现在的困难是如何求出参数$\theta$来，而困难的来源则是配分函数$\eqref{eq:z}$通常难以显式地计算出来。当然，尽管实际计算存在困难，但不妨碍我们继续把推导进行下去。

为了求出参数$\theta$，我们先定义对数似然函数：

\begin{equation}\mathbb{E}_{x\sim p(x)} \big[\log q_{\theta}(x)\big]\end{equation}

我们希望它越大越好，也就是希望

\begin{equation}L_{\theta}=\mathbb{E}_{x\sim p(x)} \big[-\log q_{\theta}(x)\big]\end{equation}

越小越好，为此，我们对$L_{\theta}$使用梯度下降。我们有

\begin{equation}\begin{aligned}\nabla_{\theta}\log q_{\theta}(x)=&\nabla_{\theta}\log e^{-U_{\theta}(x)}-\nabla_{\theta}\log Z_{\theta}\\

=&-\nabla_{\theta} U_{\theta}(x)-\frac{1}{Z_{\theta}}\nabla_{\theta} Z_{\theta}\\

=&-\nabla_{\theta} U_{\theta}(x)-\frac{1}{Z_{\theta}}\nabla_{\theta} \int e^{-U_{\theta}(x)}dx\\

=&-\nabla_{\theta} U_{\theta}(x)+\frac{1}{Z_{\theta}} \int e^{-U_{\theta}(x)}\nabla_{\theta} U_{\theta}(x) dx\\

=&-\nabla_{\theta} U_{\theta}(x)+\int \frac{e^{-U_{\theta}(x)}}{Z_{\theta}}\nabla_{\theta} U_{\theta}(x) dx\\

=&-\nabla_{\theta} U_{\theta}(x)+\mathbb{E}_{x\sim q_{\theta}(x)}\big[\nabla_{\theta} U_{\theta}(x)\big]

\end{aligned}\end{equation}

所以

\begin{equation}\nabla_{\theta} L_{\theta} = \mathbb{E}_{x\sim p(x)}\big[\nabla_{\theta} U_{\theta}(x)\big] - \mathbb{E}_{x\sim q_{\theta}(x)}\big[\nabla_{\theta} U_{\theta}(x)\big]\label{eq:q-grad}\end{equation}

这意味着梯度下降的更新公式是

\begin{equation}\theta \leftarrow \theta - \varepsilon \Big(\mathbb{E}_{x\sim p(x)}\big[\nabla_{\theta} U_{\theta}(x)\big] - \mathbb{E}_{x\sim q_{\theta}(x)}\big[\nabla_{\theta} U_{\theta}(x)\big]\Big)\label{eq:q-grad-gd}\end{equation}

注意到式$\eqref{eq:q-grad}$的特点，它是$\nabla_{\theta} U_{\theta}(x)$分别在真实分布下和拟合分布下的均值之差，这就是机器学习中著名的“正相”和“负相”的分解，式$\eqref{eq:q-grad}$体现了正负相之间的对抗，也有人将其对应为我们做梦的过程。

在这部分中，我们表明“容易分析”与“容易采样”是很难兼容的，容易理论分析的模型，在实验上难以采样计算，而容易采样计算的模型，难以进行简明的理论推导。而试图将两者的优点结合起来，就得到了GAN模型。

理论分析与实验采样

事实上，式$\eqref{eq:q-grad}$和式$\eqref{eq:q-grad-gd}$表明我们开始假设的能量分布模型的理论分析并不困难，但是落实到实验中，我们发现必须要完成从$q_{\theta}$中采样：$\mathbb{E}_{x\sim q_{\theta}(x)}$。也就是说，给定一个具体的$U_{\theta}(x)$，我们要想办法从$q_{\theta}(x)=e^{-U_{\theta}(x)}/Z_{\theta}$中采样出一批$x$出来。

然而，就目前而言，我们对从$q_{\theta}(x)=e^{-U_{\theta}(x)}/Z_{\theta}$中采样并没有任何经验。对于我们来说，方便采样的是如下的过程

\begin{equation}z\sim q(z),\quad x = G_{\varphi}(z)\end{equation}

这里的$q(z)$代表着标准正态分布。也就是说，我们可以从标准正态分布中采样出一个$z$出来，然后通过固定的模型$G_{\varphi}$变换为我们想要的$x$。这意味着这种分布的理论表达式是：

\begin{equation}q_{\varphi}(x) = \int \delta\big(x - G_{\varphi}(z)\big)q(z)dz\label{eq:q-varphi}\end{equation}

问题是，如果用$q_{\varphi}(x)$代替原来的$q_{\theta}(x)$，那么采样是方便了，但是类似的理论推导就困难了，换句话说，我们根本推导不出类似$\eqref{eq:q-grad-gd}$的结果来。

那么，一个异想天开的念头是：能不能把两者结合起来，在各自擅长的地方发挥各自的优势？

式$\eqref{eq:q-grad-gd}$中的$\mathbb{E}_{x\sim q_{\theta}(x)}$不是难以实现吗，那我只把这部分用$\mathbb{E}_{x\sim q_{\varphi}(x)}$代替好了：

\begin{equation}\theta \leftarrow \theta - \varepsilon \Big(\mathbb{E}_{x\sim p(x)}\big[\nabla_{\theta} U_{\theta}(x)\big] - \mathbb{E}_{x\sim q_{\varphi}(x)}\big[\nabla_{\theta} U_{\theta}(x)\big]\Big)\end{equation}

也就是

\begin{equation}\theta \leftarrow \theta - \varepsilon \Big(\mathbb{E}_{x\sim p(x)}\big[\nabla_{\theta} U_{\theta}(x)\big] - \mathbb{E}_{x=G_{\varphi}(z),z\sim q(z)}\big[\nabla_{\theta} U_{\theta}(x)\big]\Big)\label{eq:q-grad-gd-new}\end{equation}

现在采样是方便了，但前提是$q_{\varphi}(x)$跟$q_{\theta}(x)$足够接近才行呀（因为$q_{\theta}(x)$才是标准的、正确的），所以，我们用KL散度来度量两者的差异：

\begin{equation}\begin{aligned}KL\big(q_{\varphi}(x)\big\Vert q_{\theta}(x)\big)=&\int q_{\varphi}(x) \log \frac{q_{\varphi}(x)}{q_{\theta}(x)}dx \\

=& - H_{\varphi}(X) + \mathbb{E}_{x\sim q_{\varphi}(x)}\big[U_{\theta}(x)\big]+\log Z_{\theta}\end{aligned}\end{equation}

式$\eqref{eq:q-grad-gd-new}$有效的前提是$q_{\varphi}(x)$跟$q_{\theta}(x)$足够接近，也就是上式足够小，而对于固定的$q_{\theta}(x)$，$Z_{\theta}$是一个常数，所以$\varphi$的优化目标是：

\begin{equation}\varphi =\mathop{\arg\min}_{\varphi} - H_{\varphi}(X) + \mathbb{E}_{x\sim q_{\varphi}(x)}\big[U_{\theta}(x)\big]\label{eq:varphi-gd}\end{equation}

这里$H_{\varphi}(X) = - \int q_{\varphi}(x) \log q_{\varphi}(x) dx$代表$q_{\varphi}(x)$的熵。$- H_{\varphi}(X)$希望熵越大越好，这意味着多样性；$\mathbb{E}_{x\sim q_{\varphi}(x)}[U_{\theta}(x)]$希望图片势能越小越好，这意味着真实性。

另外一方面，注意到式$\eqref{eq:q-grad-gd-new}$实际上是目标

\begin{equation}\theta =\mathop{\arg\min}_{\theta} \mathbb{E}_{x\sim p(x)}\big[U_{\theta}(x)\big] - \mathbb{E}_{x=G_{\varphi}(z),z\sim q(z)}\big[U_{\theta}(x)\big]\label{eq:theta-gd}\end{equation}

的梯度下降公式。所以我们发现，整个过程实际上就是$\eqref{eq:theta-gd}$和$\eqref{eq:varphi-gd}$的交替梯度下降。而正如第一篇所说的，$\theta$的这个目标可能带来数值不稳定性，基于第一篇所说的理由，真样本应该在极小值点附近，所以我们可以把梯度惩罚项补充进$\eqref{eq:theta-gd}$，得到最终的流程是：

\begin{equation}\begin{aligned}\theta =&\,\mathop{\arg\min}_{\theta} \mathbb{E}_{x\sim p(x)}\big[U_{\theta}(x)\big] - \mathbb{E}_{x=G_{\varphi}(z),z\sim q(z)}\big[U_{\theta}(x)\big] + \lambda \mathbb{E}_{x\sim p(x)}\big[\Vert \nabla_x U_{\theta}(x)\Vert^2\big]\\

\varphi =&\,\mathop{\arg\min}_{\varphi} - H_{\varphi}(X) + \mathbb{E}_{x=G_{\varphi}(z),z\sim q(z)}\big[U_{\theta}(x)\big]

\end{aligned}\label{eq:gan-energy}\end{equation}

这便是基于梯度惩罚的GAN模型，我们在 《能量视角下的GAN模型（一）》 中已经把它“头脑风暴”出来了，而现在我们从能量模型的数学分析中把它推导出来了。

所以说，GAN实际上就是能量模型和采样模型各自扬长避短的结果。

现在，距离完整地实现整个模型，就差$H_{\varphi}(X)$了。我们已经说过

\begin{equation}H_{\varphi}(X) = - \int q_{\varphi}(x) \log q_{\varphi}(x) dx\end{equation}

代表$q_{\varphi}(x)$的熵，而$q_{\varphi}(x)$的理论表达式是$\eqref{eq:q-varphi}$，积分难以计算，所以$H_{\varphi}(X)$也难以计算。

打破这一困境的思路是将熵转化为互信息，然后转化为互信息的估计，其估计方式有两种：通过f散度的方式（理论上精确）估计，或者通过信息下界的方式估计。

首先，我们可以利用$x=G_{\varphi}(z)$这一点：$x=G_{\varphi}(z)$意味着条件概率$q_{\varphi}(x|z) = \delta\big(x - G(z)\big)$，即一个确定性的模型，也可以理解为均值为$G(z)$、方差为0的高斯分布$\mathcal{N}(x;G_{\varphi}(z),0)$。

然后我们去考虑互信息$I(X,Z)$：

\begin{equation}\begin{aligned}I_{\varphi}(X,Z)=&\iint q_{\varphi}(x|z)q(z)\log \frac{q_{\varphi}(x|z)}{q_{\varphi}(x)}dxdz\\

=&\iint q_{\varphi}(x|z)q(z)\log q_{\varphi}(x|z) dxdz - \iint q_{\varphi}(x|z)q(z) \log q_{\varphi}(x)dxdz\\

=&\int q(z)\int q_{\varphi}(x|z)q(z)\log q_{\varphi}(x|z) dx + H(X)

\end{aligned}\end{equation}

现在我们找出了$I_{\varphi}(X,Z)$和$H_{\varphi}(X)$的关系，它们的差是

\begin{equation}\int q(z)\int q_{\varphi}(x|z)q(z)\log q_{\varphi}(x|z) dx\triangleq -H_{\varphi}(X|Z)\end{equation}

事实上$H_{\varphi}(X|Z)$称为“条件熵”。

如果我们处理的是离散型分布，那么因为$x=G_{\varphi}(z)$是确定性的，所以$q_{\varphi}(x|z)\equiv 1$，那么$H_{\varphi}(X|Z)$为0，即$I_{\varphi}(X,Z)=H_{\varphi}(X)$；如果是连续型分布，前面说了可以理解为方差为0的高斯分布$\mathcal{N}(x;G_{\varphi}(z),0)$，我们可以先考虑常数方差的情况$\mathcal{N}(x;G(z),\sigma^2)$，发现$H_{\varphi}(X|Z)\sim \log \sigma^2 $是一个常数，然后$\sigma \to 0$，不过发现结果是无穷大。无穷大原则上是不能计算的，但事实上方差也不需要等于0，只要足够小，肉眼难以分辨即可。

所以，总的来说我们可以确定互信息$I_{\varphi}(X,Z)$与熵$H_{\varphi}(X)$只相差一个无关紧要的常数，所以在式$\eqref{eq:gan-energy}$中，可以将$H_{\varphi}(X)$替换为$I_{\varphi}(X,Z)$：

\begin{equation}\begin{aligned}\theta =&\,\mathop{\arg\min}_{\theta} \mathbb{E}_{x\sim p(x)}\big[U_{\theta}(x)\big] - \mathbb{E}_{x=G_{\varphi}(z),z\sim q(z)}\big[U_{\theta}(x)\big] + \lambda \mathbb{E}_{x\sim p(x)}\big[\Vert \nabla_x U_{\theta}(x)\Vert^2\big]\\

\varphi =&\,\mathop{\arg\min}_{\varphi} - I_{\varphi}(X,Z) + \mathbb{E}_{x=G_{\varphi}(z),z\sim q(z)}\big[U_{\theta}(x)\big]

\end{aligned}\label{eq:gan-energy-2}\end{equation}

现在我们要最小化$- I_{\varphi}(X,Z)$，也就是最大化互信息$I_{\varphi}(X,Z)$。直观上这也不难理解，因为这一项是用来防止mode callopse的，而如果一旦mode callopse，那么几乎任意的$z$都生成同一个$x$，$X,Z$的互信息一定不会大。

但是将目标从$H_{\varphi}(X)$改为$I_{\varphi}(X,Z)$，看起来只是形式上的转换，似乎依然还没有解决问题。但很幸运的是，我们已经做过最大化互信息的研究了，方法在 《深度学习的互信息：无监督提取特征》的“互信息本质”一节 ，也就是说，直接估算互信息已经有解决方案了，读者直接看那篇文章即可，不再重复论述。

如果不需要精确估计互信息，那么可以使用InfoGAN中的思路，得到互信息的一个下界，然后去优化这个下界。

从互信息定义出发：

\begin{equation}I_{\varphi}(X,Z)=\iint q_{\varphi}(x|z)q(z)\log \frac{q_{\varphi}(x|z)q(z)}{q_{\varphi}(x)q(z)}dxdz\end{equation}

记$q_{\varphi}(z|x) = q_{\varphi}(x|z)q(z)/q_{\varphi}(x)$，这代表精确的后验分布；然后对于任意近似的后验分布$p(z|x)$，我们有

\begin{equation}\begin{aligned}I_{\varphi}(X,Z)=&\iint q_{\varphi}(x|z)q(z)\log \frac{q_{\varphi}(z|x)}{q(z)}dxdz\\

=&\iint q_{\varphi}(x|z)q(z)\log \frac{p(z|x)}{q(z)}dxdz + \iint q_{\varphi}(x|z)q(z)\log \frac{q_{\varphi}(z|x)}{p(z|x)}dxdz\\

=&\iint q_{\varphi}(x|z)q(z)\log \frac{p(z|x)}{q(z)}dxdz + \int q_{\varphi}(x)KL\Big(q_{\varphi}(z|x) \Big\Vert p(z|x)\Big)dz\\

\geq &\iint q_{\varphi}(x|z)q(z)\log \frac{p(z|x)}{q(z)}dxdz\\

=& \iint q_{\varphi}(x|z)q(z)\log p(z|x) - \underbrace{\iint q_{\varphi}(x|z)q(z)\log q(z) dxdz}_{=\int q(z)\log q(z)dz\,\,\text{是一个常数}}

\end{aligned}\end{equation}

也就是说，互信息大于等于$\iint q_{\varphi}(x|z)q(z)\log p(z|x)$加上一个常数。如果最大化互信息，可以考虑最大化这个下界。由于$p(z|x)$是任意的，可以简单假设$p(z|x)=\mathcal{N}(z;E(x),\sigma^2)$，其中$E(x)$是一个带参数的编码器，代入计算并省去多余的常数，可以发现相当于在生成器加入一项loss：

\begin{equation}\mathbb{E}_{z\sim q(z)} \big[\Vert z - E(G(z))\Vert^2\big]\end{equation}

所以，基于InfoGAN的信息下界思路，式$\eqref{eq:gan-energy}$变为：

\begin{equation}\begin{aligned}\theta =&\,\mathop{\arg\min}_{\theta} \mathbb{E}_{x\sim p(x)}\big[U_{\theta}(x)\big] - \mathbb{E}_{z\sim q(z)}\big[U_{\theta}(G_{\varphi}(z))\big] + \lambda_1 \mathbb{E}_{x\sim p(x)}\big[\Vert \nabla_x U_{\theta}(x)\Vert^2\big]\\

\varphi,E =&\,\mathop{\arg\min}_{\varphi,E} \mathbb{E}_{z\sim q(z)}\big[U_{\theta}(G_{\varphi}(z)) + \lambda_2 \Vert z - E(G_{\varphi}(z))\Vert^2\big]

\end{aligned}\label{eq:gan-energy-3}\end{equation}

到这里，我们已经从两个角度完成了$H_{\varphi}(X)$的处理，从而完成了整个GAN和能量模型的推导。

回顾开头，我们是从能量分布出发推导出了GAN模型，而能量函数$U(x)$也就是GAN模型中的判别器。既然$U(x)$具有能量函数的含义，那么训练完成后，我们可以利用能量函数的特性做更多有价值的事情，例如引入MCMC来提升效果。

其实对于MCMC，我只是略懂它的含义，并不懂它的方法和精髓，所谓“简介”，仅仅是对其概念做一些基本的介绍。MCMC是“马尔科夫链蒙特卡洛方法（Markov Chain Monte Carlo）”，在我的理解里，它大概是这么个东西：我们难以直接从某个给定的分布$q(x)$中采样出样本来，但是我们可以构造如下的随机过程：

\begin{equation}x_{n+1} = f(x_n, \alpha)\label{eq:suijidigui}\end{equation}

其中$\alpha$是一个便于实现的随机过程，比如从二元分布、正态分布采样等。这样一来，从某个$x_0$出发，得到的序列$\{x_1,x_2,\dots,x_n,\dots\}$是随机的。

如果进一步能证明式$\eqref{eq:suijidigui}$的静态分布正好是$q(x)$，那么就意味着序列$\{x_1,x_2,\dots,x_n,\dots\}$正是从$q(x)$中采样出来的一批样本，这样就实现了从$q(x)$中采样了，只不过采样的结果经过了一定的顺序排列。

式$\eqref{eq:suijidigui}$的一个特例是Langevin方程：

\begin{equation}x_{t+1} = x_t - \varepsilon \nabla_x U(x_t) + \sqrt{\varepsilon}\alpha,\quad \alpha \sim \mathcal{N}(\alpha;0,1)\label{eq:sde}\end{equation}

它也称为随机微分方程，当$\varepsilon\to 0$时，它的静态分布正好是能量分布

\begin{equation}p(x) = \frac{e^{-U(x)}}{Z}\end{equation}

也就是说，给定能量函数$U(x)$后，我们可以通过式$\eqref{eq:sde}$实现从能量分布中采样，这就是能量分布的MCMC采样的原始思想。

当然，直接从能量函数和式$\eqref{eq:sde}$中采样$x$，可能不大现实，因为$x$维度（常见的情景下，$x$代表图片）过大，可控性难以保证。另一方面，式$\eqref{eq:sde}$最后一项是高斯噪声，所以只要$\varepsilon\neq 0$，那么结果必然是有噪声的，图片真实性也难以保证。

一个有趣的转化是：我们可以不直接考虑$x$的MCMC采样，而考虑$z$的采样。因为在前面的模型中，我们最后既得到了能量函数$U_{\theta}(x)$，也得到了生成模型$G_{\varphi}(z)$，这意味着$z$的能量函数为

\begin{equation}U_{\theta}(G_{\varphi}(z))\end{equation}

有了$z$的能量函数，我们可以通过式$\eqref{eq:sde}$实现$z$的MCMC采样：

\begin{equation}z_{t+1} = z_t - \varepsilon \nabla_z U_{\theta}(G_{\varphi}(z_t)) + \sqrt{\varepsilon}\alpha,\quad \alpha \sim \mathcal{N}(\alpha;0,1)\label{eq:sde-2}\end{equation}

这样刚才说的问题全部都没有了，因为$z$的维度一般比$x$小得多，而且也不用担心$\varepsilon\neq 0$带来噪声，因为$z$本来就是噪声。

到这里，如果头脑还没有混乱的读者也许会回过神来：$z$的分布不就是标准的正态分布吗？采样起来不是很容易吗？为啥还要折腾一套MCMC采样？

理想情况下，$z$的能量函数$U_{\theta}(G_{\varphi}(z))$所对应的能量分布

\begin{equation}q(z)=\frac{e^{-U_{\theta}(G_{\varphi}(z))}}{Z}\end{equation}

确实应该就是我们原始传递给它的标准正态分布。但事实上，理想和现实总有些差距的，当我们用标准正态分布去训练好一个生成模型后，最后能产生真实的样本的噪声往往会更窄一些，这就需要一些截断技巧，或者说筛选技巧。

比如，基于flow的生成模型在训练完成后，往往使用“退火”技巧，也就是在生成时将噪声的方差设置小一些，这样能生成一些更稳妥的样本，可以参考 《细水长flow之NICE：流模型的基本概念与实现》 。而去年发布的BigGAN，也讨论了GAN中对噪声的截断技巧。

如果我们相信我们的模型，相信能量函数$U_{\theta}(x)$和生成模型$G_{\varphi}(z)$都是有价值的，那么我们有理由相信$e^{-U_{\theta}(G_{\varphi}(z))}/Z$会是一个比标准正态分布更好的$z$的分布（生成更真实的$x$的$z$的分布，因为它将$G_{\varphi}(z)$也纳入了分布的定义中），所以MCMC采样$\eqref{eq:sde-2}$能够提升采样后的生成质量，原论文已经验证了这一点。我们可以将它理解为一种更好的截断技巧。

采样过程$\eqref{eq:sde-2}$其实依然会比较低效，原论文事实上用的是改进版本，称为MALA（Metropolis-adjusted Langevin algorithm），它在$\eqref{eq:sde-2}$的基础上进一步引入了一个筛选过程：

\begin{equation}\begin{aligned}\tilde{z}_{t+1} =& z_t - \varepsilon \nabla_z U_{\theta}(G_{\varphi}(z_t)) + \sqrt{\varepsilon}\alpha,\quad \alpha \sim \mathcal{N}(\alpha;0,1)\\

\\

z_{t+1} =& \left\{\begin{aligned}&\tilde{z}_{t+1}, \quad \text{如果}\beta<\gamma\\ &z_t, \quad \text{其他情况}\end{aligned}\right.,\quad \beta \sim U[0,1]\\

\\

\gamma =& \min\left\{1, \frac{q(\tilde{z}_{t+1})q(z_t|\tilde{z}_{t+1})}{q(\tilde{z}_{t})q(\tilde{z}_{t+1}|z_t)}\right\}

\end{aligned}\end{equation}

这里

\begin{equation}\begin{aligned}q(z)\propto&\, \exp\Big(-U_{\theta}(G_{\varphi}(z))\Big)\\

q(z'|z)\propto&\, \exp\left(-\frac{1}{2\varepsilon}\Vert z' - z + \varepsilon \nabla_z U_{\theta}(G_{\varphi}(z))\Vert^2\right)

\end{aligned}\end{equation}

也就是说以概率$\gamma$接受$z_{t+1}=\tilde{z}_{t+1}$，以$1-\gamma$的概率保持不变。按照 维基百科上的说法 ，这样的改进能够让采样过程更有机会采样到高概率的样本，这也就意味着能生成更多的真实样本。（笔者并不是很懂这一套理论，所以，只能照搬了～）

又是一篇公式长文，总算把能量分布下的GAN的数学推导捋清楚了，GAN是调和“理论分析”与“实验采样”矛盾的产物。总的来说，笔者觉得整个推导过程还是颇具启发性的，也能让我们明白GAN的关键之处和问题所在。

能量视角是一个偏向数学物理的视角，一旦能将机器学习和数学物理联系起来，还将可以很直接地从数学物理处获得启发，甚至使得对应的机器学习不再“黑箱”。

转载到请包括本文地址： https://kexue.fm/archives/6331