如果你也經(jīng)歷過GAN訓(xùn)練中那種玄學(xué)式的崩潰——生成器輸出一堆噪點(diǎn)、loss曲線像心電圖一樣亂跳、換一個(gè)隨機(jī)種子結(jié)果就天差地別——那么WGAN-GP和WGAN-Div這兩套方案應(yīng)該能幫你從泥潭里爬出來。我最近用Keras在MNIST和CIFAR-10上把這兩個(gè)模型完整搭了一遍都能穩(wěn)定生成圖像。這篇文章就把從原理到代碼再到調(diào)參的整個(gè)過程記錄下來給想動手復(fù)現(xiàn)的人一個(gè)可以直接抄作業(yè)的參考。先說明一個(gè)前提下面所有代碼基于TensorFlow 2.x內(nèi)置的Keras。如果你還在用獨(dú)立的Keras 2.xAPI基本通用但GradientTape那一套只存在于tf.keras里建議直接切換到TensorFlow 2.x省掉版本兼容的折騰。1. 為什么繞不開WGAN這條路線1.1 經(jīng)典GAN的病灶JS散度在偷懶傳統(tǒng)GAN里判別器輸出的是一個(gè)概率用交叉熵做loss本質(zhì)上是在最小化生成分布和真實(shí)分布之間的JS散度。這個(gè)度量方式有個(gè)致命問題當(dāng)兩個(gè)分布的重疊區(qū)域非常小的時(shí)候JS散度會趨于一個(gè)常數(shù)log2梯度幾乎為0。舉個(gè)例子。假設(shè)真實(shí)數(shù)據(jù)分布是二維平面上的一條細(xì)線生成器剛開始只能撒出一些離散的噪點(diǎn)。這兩組點(diǎn)在絕大多數(shù)位置都不重合判別器很容易就把它們分得明明白白。此時(shí)生成器幾乎收不到任何有用的梯度信號不管怎么調(diào)參數(shù)輸出的還是那堆噪點(diǎn)。這就是大家常說的“判別器太強(qiáng)生成器被錘死”。實(shí)際操作中的表現(xiàn)就是判別器的loss快速降到接近0生成器的loss卻不怎么動生成的圖片越來越像噪聲。很多人第一反應(yīng)是調(diào)判別器的學(xué)習(xí)率但根子在于度量方式本身就給不出有效的“距離感”。1.2 Wasserstein距離換了個(gè)度量方式WGAN的核心改動是把判別器換成了“critic”輸出不再是一個(gè)概率而是一個(gè)實(shí)數(shù)得分。它優(yōu)化的目標(biāo)也從JS散度換成Wasserstein距離也就是常說的“推土機(jī)距離”。這個(gè)距離的直覺很好理解假設(shè)真實(shí)分布是一堆土生成分布是另一堆土Wasserstein距離就是把這堆土搬到另一堆土的最小運(yùn)輸成本。即使兩堆土完全不重疊只要它們位置不同這個(gè)成本就是一個(gè)正的有限值梯度就不會消失。這就解決了經(jīng)典GAN里“距離太遠(yuǎn)就無梯度”的問題。所以WGAN的critic要做的事情不是判斷“真”“假”而是給真實(shí)樣本打高分給生成樣本打低分。對應(yīng)到代碼里就是去掉最后一層的sigmoid輸出一個(gè)raw score。這是WGAN與傳統(tǒng)GAN最直觀的區(qū)別。1.3 權(quán)重裁剪的副作用WGAN為了保證Wasserstein距離能算得下去要求critic的函數(shù)滿足1-Lipschitz條件也就是輸出對輸入的改變不能過于敏感。論文作者最初用的方法是權(quán)重裁剪把critic的每一層權(quán)重強(qiáng)行限制在一個(gè)小范圍內(nèi)比如[-0.01, 0.01]。這個(gè)方法實(shí)現(xiàn)起來非常簡單但副作用很明顯。權(quán)重被強(qiáng)行裁剪后critic的表達(dá)能力被壓縮得很厲害很多情況下它只能學(xué)到非常粗糙的判別函數(shù)。我一開始照著原始WGAN代碼跑發(fā)現(xiàn)生成的圖像總有一種“模糊感”細(xì)節(jié)上不去。后來才知道這是權(quán)重裁剪帶來的典型問題critic太弱給生成器提供的梯度質(zhì)量也差。WGAN-GP和WGAN-Div就是在這個(gè)基礎(chǔ)上提出的兩種改進(jìn)。它們的核心思路一模一樣不再裁剪權(quán)重而是通過給損失函數(shù)加一個(gè)“梯度懲罰項(xiàng)”直接約束critic對輸入的梯度從而滿足Lipschitz條件。2. 實(shí)驗(yàn)整體設(shè)計(jì)先定結(jié)構(gòu)再談?chuàng)p失2.1 數(shù)據(jù)準(zhǔn)備與歸一化我用兩個(gè)數(shù)據(jù)集做驗(yàn)證MNIST用來快速驗(yàn)證收斂邏輯CIFAR-10用來驗(yàn)證彩色、復(fù)雜圖像上的生成效果。兩個(gè)數(shù)據(jù)集都縮放到[-1, 1]區(qū)間生成器最后一層用tanh激活輸出自然落在[-1, 1]內(nèi)正好對應(yīng)輸入的數(shù)據(jù)范圍。這里有個(gè)容易忽略的細(xì)節(jié)如果你把圖像歸一化到[0, 1]生成器最后一層還在用tanh輸出那生成圖像的像素會被強(qiáng)制壓到[-1, 1]看起來會“發(fā)灰”。反過來如果數(shù)據(jù)在[-1, 1]內(nèi)生成器卻用sigmoid輸出那圖像永遠(yuǎn)達(dá)不到最大亮度和對比度。所以訓(xùn)練前先確認(rèn)好數(shù)據(jù)的范圍與輸出層的激活函數(shù)。2.2 生成器結(jié)構(gòu)生成器沿用DCGAN那套結(jié)構(gòu)先通過全連接層把隨機(jī)噪聲映射成一個(gè)小尺寸的特征圖再用轉(zhuǎn)置卷積逐步上采樣到目標(biāo)尺寸。我在CIFAR-10上用32×32分辨率從8×8的特征圖開始連續(xù)兩次stride為2的轉(zhuǎn)置卷積到16×16、32×32最后一層改用普通卷積輸出3個(gè)通道。def build_generator(latent_dim128): noise Input(shape(latent_dim,)) x Dense(8 * 8 * 256, use_biasFalse)(noise) x BatchNormalization()(x) x LeakyReLU(alpha0.2)(x) x Reshape((8, 8, 256))(x) x Conv2DTranspose(128, (4, 4), strides(2, 2), paddingsame, use_biasFalse)(x) x BatchNormalization()(x) x LeakyReLU(alpha0.2)(x) x Conv2DTranspose(64, (4, 4), strides(2, 2), paddingsame, use_biasFalse)(x) x BatchNormalization()(x) x LeakyReLU(alpha0.2)(x) x Conv2D(3, (3, 3), paddingsame, activationtanh)(x) return Model(noise, x)生成器里每一層都用LeakyReLUalpha取0.2。這個(gè)選擇是為了防止ReLU死掉——GAN訓(xùn)練過程中生成器的輸入分布變化很大ReLU一旦被壓到負(fù)區(qū)間就可能一直輸出0導(dǎo)致梯度斷流。LeakyReLU可以保證梯度至少有一條通道能流回去。BN層在生成器里很重要能顯著穩(wěn)定訓(xùn)練。但注意調(diào)用生成器時(shí)如果處于訓(xùn)練階段一定要寫generator(noise, trainingTrue)讓BN更新批次統(tǒng)計(jì)量。生成圖像做推理時(shí)再用trainingFalse否則你會發(fā)現(xiàn)同一個(gè)噪聲向量每次生成的結(jié)果不一樣原因是BN在訓(xùn)練模式下用了當(dāng)前batch的均值方差。2.3 Critic結(jié)構(gòu)critic的結(jié)構(gòu)與生成器鏡像但有幾處關(guān)鍵差異不使用BN不使用sigmoid最后一層直接輸出一個(gè)標(biāo)量。def build_critic(img_shape(32, 32, 3)): img Input(shapeimg_shape) x Conv2D(64, (4, 4), strides(2, 2), paddingsame)(img) x LeakyReLU(alpha0.2)(x) x Conv2D(128, (4, 4), strides(2, 2), paddingsame)(x) x LeakyReLU(alpha0.2)(x) x Conv2D(256, (4, 4), strides(2, 2), paddingsame)(x) x LeakyReLU(alpha0.2)(x) x Flatten()(x) x Dropout(0.2)(x) out Dense(1)(x) return Model(img, out)為什么critic不用BN梯度懲罰的計(jì)算要求在插值樣本上對輸入求導(dǎo)而BN在訓(xùn)練時(shí)引入批內(nèi)統(tǒng)計(jì)量使輸出不再只依賴當(dāng)前單個(gè)輸入相當(dāng)于在批維度上產(chǎn)生了信息泄露。這樣一來“對單個(gè)輸入的梯度”就變得不再純粹懲罰項(xiàng)也會受到污染。很多第一次復(fù)現(xiàn)WGAN-GP的人把BN留在critic里結(jié)果訓(xùn)練不穩(wěn)定多半是這個(gè)原因。如果卷積下采樣想保留更多信息也可以不加Dropout。我加了一層Dropout(0.2)是防止critic對訓(xùn)練集過度敏感實(shí)測對穩(wěn)定性有一點(diǎn)幫助但不是必須的。2.4 訓(xùn)練超參整套實(shí)驗(yàn)的關(guān)鍵超參如下latent_dim 128batch_size 64critic更新次數(shù)n_critic 5MNIST上我試過1也能收斂優(yōu)化器Adamlr 1e-4beta_1 0.5WGAN-GP的lambda 10WGAN-Div的k 1p 2起步Adam的beta_1取0.5而不是默認(rèn)的0.9這里說下原因。GAN的loss曲面本身波動劇烈如果動量累積過大梯度更新方向會“剎不住車”導(dǎo)致訓(xùn)練震蕩。beta_1降低以后動量衰減更快更新方向更追隨當(dāng)前梯度穩(wěn)定性會好很多。n_critic是一個(gè)可以調(diào)的空閑參數(shù)。理論上critic需要先訓(xùn)練充分才能給生成器提供準(zhǔn)確的Wasserstein梯度。但如果critic太強(qiáng)、生成器太弱同樣會出現(xiàn)生成器完全跟不上的問題。我在小數(shù)據(jù)集上的經(jīng)驗(yàn)是n_critic1到5都能跑數(shù)據(jù)集越小、越簡單n_critic就可以越小。3. WGAN-GP梯度懲罰的完整實(shí)現(xiàn)3.1 插值樣本與梯度懲罰的計(jì)算WGAN-GP的核心是構(gòu)造一個(gè)“插值樣本”讓critic在這個(gè)樣本上的梯度范數(shù)盡量接近1。所謂插值樣本就是從一對真實(shí)樣本和生成樣本的連線上隨機(jī)取一個(gè)點(diǎn)alpha * real (1 - alpha) * fakealpha是[0,1]間的隨機(jī)數(shù)。為什么要在連線上采樣因?yàn)長ipschitz條件要求函數(shù)的梯度在全空間都有界但真正計(jì)算所有位置不可行。經(jīng)驗(yàn)上真實(shí)樣本和生成樣本中間過渡區(qū)域是最容易違反Lipschitz條件的地方在連線上做懲罰性價(jià)比最高。這個(gè)思想不是嚴(yán)格的數(shù)學(xué)證明但實(shí)驗(yàn)效果非常好。def gradient_penalty(critic, real, fake): alpha tf.random.uniform((tf.shape(real)[0], 1, 1, 1), 0.0, 1.0) interp alpha * real (1.0 - alpha) * fake with tf.GradientTape() as tape: tape.watch(interp) pred critic(interp, trainingTrue) grad tape.gradient(pred, interp) norm tf.sqrt(tf.reduce_sum(tf.square(grad), axis[1, 2, 3])) gp tf.reduce_mean((norm - 1.0) ** 2) return gp這里有個(gè)初學(xué)者容易出錯的地方tf.GradientTape()里除了要計(jì)算critic的輸出還要顯式調(diào)用tape.watch(interp)否則TensorFlow不會自動記錄對interp的梯度。很多報(bào)錯“gradient is None”都是因?yàn)檫@個(gè)。3.2 損失函數(shù)與訓(xùn)練循環(huán)WGAN-GP中critic的損失不是交叉熵而是三部分之和對真實(shí)樣本的輸出取平均對生成樣本的輸出取平均注意方向再加上梯度懲罰。生成器的損失更簡單目標(biāo)是讓生成樣本在critic那里的得分盡量高所以取負(fù)號。with tf.GradientTape() as tape: fake_imgs generator(noise, trainingTrue) fake_imgs tf.stop_gradient(fake_imgs) d_real critic(real_imgs, trainingTrue) d_fake critic(fake_imgs, trainingTrue) gp gradient_penalty(critic, real_imgs, fake_imgs) d_loss tf.reduce_mean(d_fake) - tf.reduce_mean(d_real) lambda_gp * gp grads tape.gradient(d_loss, critic.trainable_variables) d_optimizer.apply_gradients(zip(grads, critic.trainable_variables))注意tf.stop_gradient(fake_imgs)這一行。如果不加GradientTape會把生成器的完整計(jì)算圖記錄下來。雖然我們只對critic參數(shù)求梯度但這部分記錄會白白消耗大量顯存訓(xùn)練速度也會變慢。加上stop_gradient之后tape只追蹤從fake_imgs到d_fake這段計(jì)算內(nèi)存占用小很多。生成器的更新循環(huán)with tf.GradientTape() as tape: fake_imgs generator(noise, trainingTrue) d_fake critic(fake_imgs, trainingTrue) g_loss -tf.reduce_mean(d_fake) grads tape.gradient(g_loss, generator.trainable_variables) g_optimizer.apply_gradients(zip(grads, generator.trainable_variables))整個(gè)訓(xùn)練流程是先固定生成器更新critic n_critic次再固定critic更新生成器1次。critic的更新目標(biāo)是拉開真實(shí)樣本得分和生成樣本得分的差距生成器的更新目標(biāo)是拉高自己樣本的得分。兩者在d_fake這個(gè)點(diǎn)上形成對抗。3.3 訓(xùn)練循環(huán)里的三個(gè)細(xì)節(jié)第一個(gè)細(xì)節(jié)是lambda的取值。WGAN-GP論文給出的經(jīng)典值就是10這個(gè)值在大多數(shù)任務(wù)上都不需要改。lambda太小時(shí)Lipschitz約束形同虛設(shè)訓(xùn)練不穩(wěn)定lambda太大時(shí)critic會把幾乎所有注意力都放在滿足梯度約束上對真實(shí)樣本和生成樣本的區(qū)分能力下降生成圖像會變得模糊。如果調(diào)節(jié)后有類似問題優(yōu)先檢查它。第二個(gè)細(xì)節(jié)是critic的最后一層不要初始化偏置為0或權(quán)重過大。建議使用默認(rèn)的Glorot均勻初始化如果發(fā)現(xiàn)訓(xùn)練一開始critic輸出就很大可以考慮用小標(biāo)準(zhǔn)差初始化最后一層。第三個(gè)細(xì)節(jié)是d_loss的數(shù)值范圍。WGAN訓(xùn)練中critic的loss是一個(gè)不斷變化的負(fù)數(shù)不會像傳統(tǒng)判別器那樣收斂到0附近。我見過很多人看到loss是負(fù)數(shù)就以為訓(xùn)練出了問題其實(shí)這是正常的。WGAN-GP中d_loss穩(wěn)步下降、g_loss圍繞一個(gè)負(fù)值波動只能說明損失函數(shù)這一路沒有崩潰真正的判斷標(biāo)準(zhǔn)還是生成圖像本身。4. WGAN-Div從固定約束到可調(diào)散度4.1 WGAN-Div的原理與損失形式WGAN-Div站在WGAN-GP的肩膀上進(jìn)一步把“梯度懲罰”從一種工程技巧上升成了理論上的“散度”定義。它引入兩個(gè)超參數(shù)k和p懲罰項(xiàng)寫成了k * mean(|grad_norm - k|^p)。這里要交代清楚一個(gè)細(xì)節(jié)WGAN-Div論文原文里的懲罰項(xiàng)寫法與工程代碼并不完全一致。原文更接近k * E[(k - grad_norm)^p]沒有先取絕對值當(dāng)梯度范數(shù)大于k時(shí)懲罰項(xiàng)可能變號。實(shí)際測試中這種寫法在部分p取值下會引入不穩(wěn)定因素。所以我下面給出的代碼采用開源社區(qū)里更通用的穩(wěn)定版本對grad_norm - k取絕對值再求p次冪。如果你想嚴(yán)格對齊論文可以自己去掉絕對值對比效果。def wdiv_penalty(critic, real, fake, k1.0, p2.0): alpha tf.random.uniform((tf.shape(real)[0], 1, 1, 1), 0.0, 1.0) interp alpha * real (1.0 - alpha) * fake with tf.GradientTape() as tape: tape.watch(interp) pred critic(interp, trainingTrue) grad tape.gradient(pred, interp) norm tf.sqrt(tf.reduce_sum(tf.square(grad), axis[1, 2, 3]) 1e-12) penalty k * tf.reduce_mean(tf.abs(norm - k) ** p) return penalty加1e-12是為了防止梯度范數(shù)為0時(shí)開根號出現(xiàn)數(shù)值不穩(wěn)。然后critic的損失函數(shù)變成d_loss tf.reduce_mean(d_fake) - tf.reduce_mean(d_real) wdiv_penalty(critic, real_imgs, fake_imgs, k1.0, p2.0)乍一看和WGAN-GP幾乎一樣區(qū)別只在懲罰項(xiàng)的形式。WGAN-GP是強(qiáng)制梯度范數(shù)等于1WGAN-Div是強(qiáng)制梯度范數(shù)等于k并且用p次冪控制懲罰力度。當(dāng)k1、p2時(shí)兩者非常接近可以互相替代。4.2 與WGAN-GP的代碼差異把WGAN-GP換成WGAN-Div代碼改動量其實(shí)非常小。生成器結(jié)構(gòu)、critic結(jié)構(gòu)、訓(xùn)練循環(huán)框架全部可以復(fù)用只替換梯度懲罰函數(shù)。這也是我推薦在同一個(gè)工程里同時(shí)保留兩套實(shí)現(xiàn)的原因切換成本極低。WGAN-Div訓(xùn)練循環(huán)中生成器的loss不變還是-mean(d_fake)。唯一要注意的是訓(xùn)練critic時(shí)同樣要用stop_gradient隔離生成器擴(kuò)大提高內(nèi)存效率。4.3 p值對訓(xùn)練的影響從實(shí)際效果看p值比k值更值得玩味。p2時(shí)懲罰項(xiàng)對“梯度范數(shù)偏離k”施加的是二次懲罰類似WGAN-GPp增大到4或6意味著梯度范數(shù)偏差越大受到的懲罰越重。這意味著critic會更努力地讓梯度范數(shù)保持在k附近對局部梯度的約束更嚴(yán)格。論文里的實(shí)驗(yàn)偏向于用較大的p比如p6認(rèn)為這讓critic對空間各處的Lipschitz約束更均勻。我自己的測試結(jié)論是p2已經(jīng)夠用p6在某些數(shù)據(jù)集上能略微提升生成圖像的多樣性但代價(jià)是更容易出現(xiàn)數(shù)值波動尤其是訓(xùn)練中期。p的調(diào)節(jié)不要一上來就拉滿先在p2跑通再逐檔對比。k值的作用更像一個(gè)“目標(biāo)梯度范數(shù)”。k越小critic輸出對輸入的敏感度越低生成器收到的梯度相對溫和k越大critic可以更“尖銳”地響應(yīng)輸入變化生成器能獲得更強(qiáng)的修正信號但也更容易震蕩。我的經(jīng)驗(yàn)是k取1或2都可以優(yōu)先從1開始。5. 實(shí)測對比與調(diào)參筆記5.1 兩個(gè)模型的訓(xùn)練曲線差異把兩個(gè)模型都訓(xùn)練20個(gè)epoch之后我記錄到一些有意思的現(xiàn)象。WGAN-GP的critic loss下降非常平穩(wěn)基本是一條斜率穩(wěn)定的曲線生成器loss則在一個(gè)負(fù)值附近小幅波動。WGAN-Div的曲線形態(tài)相似但絕對值大小和波幅會隨p變化p越大critic loss的數(shù)值抖動越明顯。這里必須強(qiáng)調(diào)不要試圖用critic loss的絕對值去橫向?qū)Ρ葍蓚€(gè)模型的優(yōu)劣。WGAN的loss是有意義的“分布距離估計(jì)值”但它受梯度懲罰項(xiàng)的影響較大改變罰項(xiàng)形式后數(shù)值就沒有可比性了。判斷模型好壞一看出圖效果二看是否出現(xiàn)模式崩塌三看訓(xùn)練是否持續(xù)平穩(wěn)。5.2 生成質(zhì)量與穩(wěn)定性對比在MNIST上兩個(gè)模型最終生成的數(shù)字都清晰可辨幾乎看不出明顯差別。WGAN-GP從第8個(gè)epoch左右就能看到像樣的數(shù)字輪廓WGAN-Div在k1、p2時(shí)速度類似換成k1、p6后收斂略慢一點(diǎn)但生成樣本的多樣性感覺稍好一些。在CIFAR-10上兩個(gè)模型的差別開始顯現(xiàn)。WGAN-GP生成的圖像整體更“干凈”邊緣和色塊分明WGAN-Div在p較大時(shí)生成的圖像偶爾能保留更多細(xì)節(jié)紋理但也更容易出現(xiàn)局部顏色溢出。也就是說WGAN-Div的調(diào)節(jié)空間更大但它的最優(yōu)參數(shù)需要針對數(shù)據(jù)集單獨(dú)摸索不像WGAN-GP那樣“開箱即用”。這兩條路線我用表格簡單對比一下對比維度WGAN-GPWGAN-Div懲罰目標(biāo)梯度范數(shù)等于1梯度范數(shù)等于k懲罰形式λ·E[(norm?1)2]k·E[關(guān)鍵超參λ默認(rèn)10基本不用調(diào)k、p需要試驗(yàn)理論統(tǒng)一度面向工程直觀從散度定義出發(fā)更一般訓(xùn)練穩(wěn)定性很穩(wěn)適合首選穩(wěn)定但依賴參數(shù)選擇實(shí)現(xiàn)復(fù)雜度低極低改動一行適用場景絕大多數(shù)GAN任務(wù)想深挖理論或?qū)ふ叶鄻有允找?.3 關(guān)鍵超參調(diào)參心得學(xué)習(xí)率是這場實(shí)驗(yàn)里影響最大的超參沒有之一。我試過把critic和生成器的學(xué)習(xí)率都調(diào)到3e-4訓(xùn)練很快變得顛簸調(diào)回1e-4后馬上一路順風(fēng)。WGAN系列對學(xué)習(xí)率比傳統(tǒng)GAN更敏感因?yàn)閏ritic的梯度是要被“拿來算距離”的步子邁太大等于距離估錯。Batch size也不用太大。64是性價(jià)比很高的選擇。batch太大時(shí)梯度懲罰的插值樣本會更密集理論上更接近理論要求但實(shí)際中顯存壓力和訓(xùn)練速度都會成問題收益卻不成比例。batch太小比如16critic會過度關(guān)注當(dāng)前小批量中的個(gè)別樣本梯度噪聲偏大。n_critic在MNIST上試過1和3收斂速度差不太多在CIFAR-10上n_critic5比1更穩(wěn)。我的建議是復(fù)雜數(shù)據(jù)集用5簡單數(shù)據(jù)集可以縮到1或3省下來的算力拿去多跑幾個(gè)epoch更劃算。5.4 一個(gè)偷懶但有效的調(diào)試技巧訓(xùn)練過程中一定要定期保存生成圖。我習(xí)慣每隔500個(gè)step把固定的一組噪聲向量丟進(jìn)生成器生成一張對比圖保存下來。這樣跑完一遍訓(xùn)練把這些圖按順序連起來看就是一個(gè)動畫訓(xùn)練過程中有沒有崩潰、有沒有從噪聲慢慢變成圖像、有沒有突然模式崩塌一眼就能看清楚。只盯loss曲線是看不出這些信息的。我見過loss曲線一路下行但生成圖像全部是同一個(gè)數(shù)字的情況。模式崩塌時(shí)critic依然可以把真實(shí)樣本和“那一類”生成樣本區(qū)分開loss看起來一切正常。6. 問題排查與避坑記錄6.1 訓(xùn)練崩壞的幾個(gè)典型原因癥狀可能的坑解決方向loss變成NaN學(xué)習(xí)率過高、梯度爆炸學(xué)習(xí)率降到1e-4以下檢查插值樣本是否有inf圖像長期模糊lambda太大 / 數(shù)據(jù)與輸出層不匹配lambda從10往下降或修正激活函數(shù)生成內(nèi)容單一模式崩塌減小batch、降低beta_1、增大latent_dimcritic loss快速歸零去掉sigmoid了嗎經(jīng)典GAN的判別頭混入了確認(rèn)critic輸出層沒有sigmoid圖像顏色發(fā)灰數(shù)據(jù)范圍與激活函數(shù)不一致數(shù)據(jù)[-1,1]配tanh數(shù)據(jù)[0,1]配sigmoid6.2 網(wǎng)絡(luò)結(jié)構(gòu)相關(guān)的坑critic里加BN是我踩過最深的坑之一。最開始為了“讓訓(xùn)練更穩(wěn)”按分類網(wǎng)絡(luò)的習(xí)慣在critic每個(gè)卷積后加了BN結(jié)果訓(xùn)練時(shí)好時(shí)壞。后來查資料才發(fā)現(xiàn)梯度懲罰要求對單個(gè)輸入樣本求梯度BN卻讓輸出依賴于整個(gè)batch的統(tǒng)計(jì)量等于強(qiáng)行讓梯度“去個(gè)體化”。去掉BN后訓(xùn)練立刻穩(wěn)定不少這也直接改變了我的網(wǎng)絡(luò)設(shè)計(jì)習(xí)慣。生成器里BN的training參數(shù)同樣是個(gè)容易出錯的點(diǎn)。如果你在訓(xùn)練循環(huán)里調(diào)用generator(noise)時(shí)不帶training參數(shù)Keras默認(rèn)按推理模式執(zhí)行BN不會更新。短期看loss還在變化但生成器內(nèi)部統(tǒng)計(jì)量一直沒動訓(xùn)練效果會越來越差。正確做法是生成器在訓(xùn)練階段顯式傳trainingTrue。6.3 數(shù)據(jù)與版本相關(guān)的坑圖像歸一化一定要在做batch之前完成。如果你用TensorFlow的Dataset API注意map里的歸一化操作不能在batch之后才做。我試過一次先batch再map歸一化結(jié)果歸一化作用的維度從(H, W, C)變成了(B, H, W, C)整個(gè)訓(xùn)練損失數(shù)值都不對修了很久才定位到。版本兼容上TensorFlow 2.4之后tf.keras和獨(dú)立Keras的混用經(jīng)常出問題。我建議代碼里統(tǒng)一寫from tensorflow.keras import layers別一會import keras一會import tf.keras兩個(gè)庫的變量各自獨(dú)立加載權(quán)重和保存模型時(shí)會莫名報(bào)錯。我個(gè)人在實(shí)際操作中的體會是WGAN-GP和WGAN-Div不是競爭關(guān)系而是兩組可以隨時(shí)切換的“梯度約束方案”。如果手里有個(gè)圖像生成任務(wù)想快速出效果直接上WGAN-GP默認(rèn)參數(shù)基本夠用如果愿意花時(shí)間調(diào)參想觀察多樣性變化再切到WGAN-Div去試不同的k和p。最后再分享一個(gè)小技巧實(shí)驗(yàn)記錄時(shí)把每個(gè)step保存的生成圖統(tǒng)一命名成帶step編號的文件訓(xùn)練完了用腳本拼成動畫你會非常直觀地看到模型是怎么從一片噪聲里慢慢長出結(jié)構(gòu)的——那種感覺比任何指標(biāo)都讓人上癮。