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：
介绍原始的 GAN 的原理
同样非常重要的 DCGAN 的原理
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，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：
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)。
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：
这里红框圈出的部分是我们要额外注意的。第一步我们训练 D，D 是希望 V(G, D) 越大越好，所以是加上梯度 (ascending)。第二步训练 G 时，V(G, D) 越小越好，所以是减去梯度 (descending)。整个训练过程交替进行。
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（点击查看论文）
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：
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。
在 D 和 G 中均使用 batch normalization
去掉 FC 层，使网络变为全卷积网络
G 网络中使用 ReLU 作为激活函数，最后一层使用 tanh
D 网络中使用 LeakyReLU 作为激活函数
DCGAN 中的 G 网络示意：
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。
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。
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）：百度云盘 提取码：g5qa
3. 训练
DCGAN 在 Tensorflow 中已经有人造好了轮子：carpedm20/DCGAN，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：
if config.dataset == 'mnist':
data_X, data_y = self.load_mnist()
else:
data = glob(os.path.join("./data", config.dataset, "*.jpg"))
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）：
python main.py --image_size 96 --output_size 48 --dataset anime --is_crop True --is_train True --epoch 300
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：
Ian Goodfellow 对 GAN 一系列工作总结的 ppt，确实精彩，推荐：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（http://it.sohu.com/20161210/n475485860.shtml）
GAN 论文汇总，包含 code：zhangqianhui/AdversarialNetsPapers（https://github.com/zhangqianhui/AdversarialNetsPapers）
