1、BIGGAN 解读

1.1、作者

Andrew Brock、Jeff Donahue、Karen Simonyan

1.2、摘要

尽管最近在生成图像建模方面取得了进展，但从 ImageNet 等复杂数据集中成功生成高分辨率、多样化的样本仍然是一个难以实现的目标。为此，我们以迄今为止最大的规模训练生成对抗网络，并研究该规模特有的不稳定性。我们发现，对生成器应用正交正则化使其易于使用简单的“截断技巧”，通过减少生成器输入的方差，可以精细控制样本保真度和品种之间的权衡。我们的修改导致模型在类条件图像合成中设置了新的技术状态。当以 128×128 分辨率在 ImageNet 上训练时，BigGANs 的 IS 分数为 166.5，FID 分数为 7.4，比之前最好的 IS 为 52.52 和 FID 为 18.65 有所改进。

1.3、模型

GResidualBlock块代码如下：

class GResidualBlock(nn.Module):''' Implements a residual block in BigGAN's generator '''def __init__(self,c_dim: int,in_channels: int,out_channels: int,):super().__init__()self.conv1 = nn.utils.spectral_norm(nn.Conv2d(in_channels, out_channels, kernel_size=3, padding=1))self.conv2 = nn.utils.spectral_norm(nn.Conv2d(out_channels, out_channels, kernel_size=3, padding=1))self.bn1 = ClassConditionalBatchNorm2d(c_dim, in_channels)self.bn2 = ClassConditionalBatchNorm2d(c_dim, out_channels)self.activation = nn.ReLU()self.upsample_fn = nn.Upsample(scale_factor=2)     # upsample occurs in every gblockself.mixin = (in_channels != out_channels)if self.mixin:self.conv_mixin = nn.utils.spectral_norm(nn.Conv2d(in_channels, out_channels, kernel_size=1, padding=0))def forward(self, x, y):# x,y输入给BatchNormh = self.bn1(x, y) # BatchNormh = self.activation(h)# ReLUh = self.upsample_fn(h) # Upsampleh = self.conv1(h)# 3x3Conv# x卷积后成h，y输入给BatchNormh = self.bn2(h, y) # BatchNormh = self.activation(h)# ReLUh = self.conv2(h)# 3x3Conv# x输入给Upsamplex = self.upsample_fn(x)# Upsampleif self.mixin:x = self.conv_mixin(x)# 1x1Conv# 1x1卷积后的x + 经过两次3x3卷积后的xreturn h + x # add

Non-Local Block的代码如下：

# Self-Attention module == Non-Local block
class AttentionBlock(nn.Module):''' Implements a self-attention block from SA-GAN '''def __init__(self, channels: int):super().__init__()self.channels = channelsself.theta = nn.utils.spectral_norm(nn.Conv2d(channels, channels // 8, kernel_size=1, padding=0, bias=False))self.phi = nn.utils.spectral_norm(nn.Conv2d(channels, channels // 8, kernel_size=1, padding=0, bias=False))self.g = nn.utils.spectral_norm(nn.Conv2d(channels, channels // 2, kernel_size=1, padding=0, bias=False))self.o = nn.utils.spectral_norm(nn.Conv2d(channels // 2, channels, kernel_size=1, padding=0, bias=False))self.gamma = nn.Parameter(torch.tensor(0.), requires_grad=True)def forward(self, x):spatial_size = x.shape[2] * x.shape[3]# apply convolutions to get query (theta), key (phi), and value (g) transformstheta = self.theta(x)phi = F.max_pool2d(self.phi(x), kernel_size=2)g = F.max_pool2d(self.g(x), kernel_size=2)# reshape spatial size for self-attentiontheta = theta.view(-1, self.channels // 8, spatial_size)phi = phi.view(-1, self.channels // 8, spatial_size // 4)g = g.view(-1, self.channels // 2, spatial_size // 4)# compute dot product attention with query (theta) and key (phi) matricesbeta = F.softmax(torch.bmm(theta.transpose(1, 2), phi), dim=-1)# compute scaled dot product attention with value (g) and attention (beta) matriceso = self.o(torch.bmm(g, beta.transpose(1, 2)).view(-1, self.channels // 2, x.shape[2], x.shape[3]))# apply gain and residualreturn self.gamma * o + x

BigGAN的Generation结构如图所示：

根据上图代码如下：

class Generator(nn.Module):''' Implements the BigGAN generator '''def __init__(self,base_channels: int = 96,bottom_width: int = 4,# yml里面是2z_dim: int = 120,shared_dim: int = 128,n_classes: int = 1000,):super().__init__()n_chunks = 6    # 5 (generator blocks) + 1 (generator input)self.z_chunk_size = z_dim // n_chunks # 120//6 == 20self.z_dim = z_dimself.shared_dim = shared_dimself.bottom_width = bottom_widthself.n_classes = n_classes# no spectral normalization on embeddings, which authors observe to cripple the generatorself.shared_emb = nn.Embedding(n_classes, shared_dim)# Linear层 Linear(20,16*96*2**2)self.proj_z = nn.Linear(self.z_chunk_size, 16 * base_channels * bottom_width ** 2)# 不能用一个大nn。连续的，因为我们在每个块上添加class+noiseself.g_blocks = nn.ModuleList([# ResBlock up 16ch → 16chGResidualBlock(shared_dim + self.z_chunk_size, 16 * base_channels, 16 * base_channels),# ResBlock up 16ch → 8chGResidualBlock(shared_dim + self.z_chunk_size, 16 * base_channels, 8 * base_channels),# ResBlock up 8ch → 4chGResidualBlock(shared_dim + self.z_chunk_size, 8 * base_channels, 4 * base_channels),# ResBlock up 4ch → 2chGResidualBlock(shared_dim + self.z_chunk_size, 4 * base_channels, 2 * base_channels),# Non-Local Block (64 × 64)AttentionBlock(2 * base_channels),# ResBlock up 2ch → chGResidualBlock(shared_dim + self.z_chunk_size, 2 * base_channels, base_channels),])self.proj_o = nn.Sequential(# BN, ReLU, 3 × 3 Conv ch → 3, Tanhnn.BatchNorm2d(base_channels),nn.ReLU(inplace=True),nn.utils.spectral_norm(nn.Conv2d(base_channels, 3, kernel_size=1, padding=0)),nn.Tanh(),)def forward(self, z, y):'''z: random noise with size self.z_dimy: one-hot class embeddings with size self.shared_dim'''y = self.shared_emb(y)# class# 块z并连接到共享类嵌入zs = torch.split(z, self.z_chunk_size, dim=1)z = zs[0]ys = [torch.cat([y, z], dim=1) for z in zs[1:]] # Split的结果+Class# project noise and reshape to feed through generator blocksh = self.proj_z(z)# Linear层h = h.view(h.size(0), -1, self.bottom_width, self.bottom_width)# feed through generator blocksidx = 0for g_block in self.g_blocks:if isinstance(g_block, AttentionBlock):h = g_block(h)else:h = g_block(h, ys[idx])idx += 1# project to 3 RGB channels with tanh to map values to [-1, 1]h = self.proj_o(h)return h

1.4、试验

1.4.1、不同 Batch size 对性能的影响

作者发现简单地将 Batch size 增大就可以实现性能上较好的提升，文章做了实验验证。在 Batch size 增大到原来 8 倍的时候，生成性能上的 IS 提高了 46％。文章推测这可能是每批次覆盖更多模式的结果，为生成和判别两个网络提供更好的梯度。增大 Batch size 还会带来在更少的时间训练出更好性能的模型，但增大 Batch size 也会使得模型在训练上稳定性下降，后续再分析如何提高稳定性。

在实验上，单单提高 Batch size 还受到限制，文章在每层的通道数也做了相应的增加，当通道增加 50％，大约两倍于两个模型中的参数数量。这会导致 IS 进一步提高 21％。文章认为这是由于模型的容量相对于数据集的复杂性而增加。

1.4.2、选择先验分布

z 通过实验对比了 N（0,1）、Bernoulli{0,1}、Censored Normal max（N（0,1）， 0），根据参考训练速度、模型性能，文章最终选择了 z∼ N(0,I)。

1.4.3、选择阈值

所谓的“截断技巧”就是通过对从先验分布 z 采样，通过设置阈值的方式来截断 z 的采样，其中超出范围的值被重新采样以落入该范围内。这个阈值可以根据生成质量指标 IS 和 FID 决定。通过实验可以知道通过对阈值的设定，随着阈值的下降生成的质量会越来越好，但是由于阈值的下降、采样的范围变窄，就会造成生成上取向单一化，造成生成的多样性不足的问题。往往 IS 可以反应图像的生成质量，FID 则会更假注重生成的多样性。

1.4.4、尝试控制 G

在探索模型的稳定性上，文章在训练期间监测一系列权重、梯度和损失统计数据，以寻找可能预示训练崩溃开始的指标。实验发现每个权重矩阵的前三个奇异值 σ0,σ1,σ2 是最有用的，它们可以使用 Alrnoldi 迭代方法进行有效计算。

对于奇异值 σ0，大多数 G 层具有良好的光谱规范，但有些层（通常是 G 中的第一层而非卷积）则表现不佳，光谱规范在整个训练过程中增长，在崩溃时爆炸。

一顿操作后，文章得出了调节 G 可以改善模型的稳定性，但是无法确保一直稳定，从而文章转向对 D 的控制。

1.4.5、尝试控制 D

考虑 D 网络的光谱，试图寻找额外的约束来寻求稳定的训练。使用正交正则化，DropOut 和 L2 的各种正则思想重复该实验，揭示了这些正则化策略的都有类似行为：对 D 的惩罚足够高，可以实现训练稳定性但是性能成本很高，但是在图像生成性能上也是下降的，而且降的有点多。

实验还发现 D 在训练期间的损失接近于零，但在崩溃时经历了急剧的向上跳跃，这种行为的一种可能解释是 D 过度拟合训练集，记忆训练样本而不是学习真实图像和生成图像之间的一些有意义的边界。

为了评估这一猜测，文章在 ImageNet 训练和验证集上评估判别器，并测量样本分类为真实或生成的百分比。虽然在训练集下精度始终高于 98％，但验证准确度在 50-55％的范围内，这并不比随机猜测更好（无论正则化策略如何）。

这证实了 D 确实记住了训练集，也符合 D 的角色：不断提炼训练数据并为 G 提供有用的学习信号。可以通过约束 D 来强制执行稳定性，但这样做会导致性能上的巨大成本。使用现有技术，通过放松这种调节并允许在训练的后期阶段发生崩溃（人为把握训练实际），可以实现更好的最终性能，此时模型被充分训练以获得良好的结果。