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
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
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。
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
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
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！
3. 训练
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：
本文作者：何之源