いろいろアーティスティックなことができそうなGANというものに興味がでてきました。
DCGANというものがPyTorchのチュートリアルにあるね。
GAN（生成的敵対ネットワーク）というアルゴリズムでいろいろな画像を生成できたり、すごく面白そうと思いました。PyTorchにDCGANというチュートリアルがありましたので、それをもとに勉強中です。まずはGANとはどんなものなのかなど、ざっくりではありますが、チュートリアルやその他調査でまとめてみようと思います。
行なっているチュートリアルはこちらです。
こんな人の役に立つかも
・機械学習プログラミングを勉強している人
・GAN（生成的敵対ネットワーク）について大まかに知りたい人
・PyTorchでGANを勉強している人
GANについて知る
GANは、画像を生成したりできるアルゴリズムです。生成モデルというような呼ばれ方をするようです。
具体的には、ジェネレータ(G)というデータを生成するネットワークと、ディスクリミネータ(D)という本物か偽物かを判定するネットワークが存在しており、ジェネレータは生成したデータでディスクリミネータを欺くために努力を行います。一方でディスクリミネータは本物のデータと偽物のデータを正確に見抜くように学習を行います。
GANは、2014年によって発表された教師なし学習アルゴリズムです。
また、DCGANは、GANを拡張したもので、次の論文で発表されました。
DCGANでは、バッチノーマライゼーション、ReakyReLUといった概念を取り入れることでより安定したGANを実現したそうです。
利用用途
機械学習に役立つ利用用途としては、訓練データの水増しに利用されるらしいです。確かに、似たようで違うデータが必要な時は便利ですよね。
また、GANの進化系によって、架空の人物の顔を生成したり、様々なことができるようになってきています。エンターテイメント的な利用もされているようです。GANを利用して、今もいろいろな応用例が模索されています。
損失関数
損失関数も複雑です。DCGANの論文によると、次の損失関数になります。Gはジェネレータ、Dはディスクリミネータです。
Dのディスクリミネータは「logD(x)」を最大化しようとします。これは、本物と、Gが生成した偽物を正確に分類しようとします。一方で、Gは「log(1-D(G(z)))」を最小化しようとします。DとGの最小最大化問題というように言われています。
チュートリアルでいきなり数式はちょっととっつきにくいですね。
実装してみると動き方がわかるかもしれないね。
訓練は、「ジェネレータ」「ディスクリミネータ」それぞれに対して順番に行われるようです。実際に実装しながら勉強を進めていきたいと思います。
DCGANについて
DCGANは、GANの拡張的なもので、論文で、明示的に構成が定義されています。
構成など
ジェネレータ
ジェネレータは、訓練画像のように見える「偽」の出力を生成することです。
チュートリアルでは、説明上、「G」と表記されます。
畳み込み層、バッチノーマライゼーション層、ReLU活性化関数で構成されています。
ジェネレータに入力するデータである、「z」は入力するベクトルになります。「潜在ベクトル」と訳すことができるようなのですが、彫刻でいう削る前の原木のようなイメージでしょうか。「z」というベクトルを与えて、それがジェネレータによって加工されて画像になっていきます。
ディスクリミネータ
畳み込み層、バッチノーマライゼーション層、LeakyReLUの活性化関数で構成されるネットワークです。
入力画像として、3×64×64（３チャンネルの画像）とします。
出力としては、スカラー確率で出力されます。偽物のデータか、本物のデータかが「本物データである確率」という形で出力されることになります。
ちょっと図にしてみました。
チュートリアルでは、論文に基づいたDCGANの構成、パラメータ設定を元に実装をしていくようです。実装が楽しみです。
バッチノーマライゼーションとは？
チュートリアルでは、バッチノーマライゼーションという言葉が普通に出てきて、なんとなく違和感なく読み進めていたのですが、まだ何も知らないということに気づきました 笑
バッチノーマライゼーションとは、データの平均を0にして分散を1にするとのことらしいです。CNNでは、プーリングを行なっていたところをバッチノーマライゼーションに変更しています。バッチノーマライゼーションを行うことがDCGANでとても重要な発見だったらしいですね。
まだこれをすると良いのか、という程度の理解に止まっています。
続きの記事はこちらです。
