本文最后更新于:2024年5月7日 下午

之前我们介绍过 ELBOVAE,本文记录我自己的理解与实现。

问题描述

  • 假设我们有来自某一未知分布 $p$ 的随机变量观测样本集 $X$,如何从 $X$ 获取 $p$?

构造生成器还是评估器

  • 对于某个分布,有两种方式可以描述这一分布
    • 构造生成器:获取一个生产样本的生成器$g$,$g$ 生成的样本和 $p$ 的样本来源相同(不可区分)
    • 构造评估器:构造一个样本评估器 $e$ ,对于给定的样本 $x$,$e$ 可以产生和 $p$ 相同的概率密度, $e(x) = p(x)$

直接构造评估器路线

  • 解决上述问题的直观想法是构造一个关于参数 $\alpha$ 的分 $p_\alpha$,从其中选择与 $p$ 最接近的,那么就让他们作为评估器,给定相同样本输出与 $p$ 相同的概率密度就好啦~

  • 但问题是我们不知道样本 $x$ 的真实概率密度 $p(x)$,而且难以保证对于所有可能的 $x$ 组成的集合 $X_{all}$,我们的 $\sum_{x\in {X_{all}}} p_\alpha(x) = 1$,这应该是不可能完成的约束,因此直接构造评估器的路线并不现实

ELBO 路线

  • 如果我们有一组关于参数 $\beta$ 的生成器族 $g_\beta$,可以不断生成和 $x$ 维度相同的数据, 优化 $\beta$ 使得生成的数据和 $p$ 生成的数据难以区分,我们就可以说得到了 $p$ 的近似分布,GAN 基本上就延用了这个思路

  • 如果我们觉得直接用模型描述 $X$ 分布困难或过于暴力,我们可以引入带有隐变量 $z$ 的概率分布,也就走上了 ELBO 的生成模型 道路

  • 在ELBO 的生成模型中,我们为了描述复杂的概率分布引入了 $z$,建立了 $X,Z$ 的联合分布,但是这个 $z$ 却是个大麻烦,因为我们的目标是 $p$,这个分布和 $Z$ 无关,仅和 $X$ 有关,我们还得把 $z$ 消掉

  • 直接的想法是对 $z $ 积分,$ p_{\theta}(x)=\int p_{\theta}(x \mid z) p(z) d z $,可以蒙特卡洛积分计算,但是如果要求精度会很慢,因此我们转向贝叶斯的思路,也就走上了 ELBO 贝叶斯评估器 的道路

  • ELBO 的神奇之处在于同时结合了生成器和评估器的分布描述方式,在多处受阻的境况中巧妙运用贝叶斯公式找到了一种可以参数化、可以优化、贪心最大化变量 (ELBO) 的方法

VAE

  • 我理解 VAE 是对 ELBO 的直接实现

  • VAE 具象化了 ELBO 推导中的分布

    • $$
      p(z) = N(0,1)
      $$

    • $$
      p(z|x)=N(z;\mu (x), diag(\sigma(x)^2))
      $$

  • 直接优化 ELBO

    $$ \begin{aligned} ELBO &=\int_{z} q(z \mid x) \log \left(\frac{P(x \mid z) P(z)}{q(z \mid x)}\right) d z \\ &=\int_{z} q(z \mid x) \log \left(\frac{P(z)}{q(z \mid x)}\right) d z+\int_{z} q(z \mid x) \log P(x \mid z) d z \\ &=-K L(q(z \mid x) \| P(z))+\int_{z} q(z \mid x) \log P(x \mid z) d z \\ &=-K L(q(z \mid x) \| P(z))+E_{q(z \mid x)}[\log (P(x \mid z))] \end{aligned} \tag{12} $$
  • 加入重参数化技巧实现训练过程

  • 当训练完成时,生成器(解码器)可以依赖 $N(0,I)$ 上的采样生成近似 $X$ 的样本,也就得到了近似 $p$ 的生成器,以此近似描述 $p$ 的分布

实现

  • 瑞士卷(Swiss Roll) 数据作为目标分布 $p$

  • 瑞士卷数据集上实现 VAE,构造模仿瑞士卷分布的数据生成器

核心代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
class SimpleVAE(BaseVAE):
def __init__(self, in_channels: int=2, latent_dim: int=2, hidden_dims: List = None) -> None:
super(SimpleVAE, self).__init__()

self.latent_dim = latent_dim

if hidden_dims is None:
hidden_dims = [128, 128]

ori_in_channels = in_channels

# Build Encoder
modules = []
for h_dim in hidden_dims:
modules.append(
nn.Sequential(
nn.Linear(in_channels, h_dim),
nn.LeakyReLU())
)
in_channels = h_dim

self.encoder = nn.Sequential(*modules)
self.fc_mu = nn.Linear(hidden_dims[-1], latent_dim)
self.fc_var = nn.Linear(hidden_dims[-1], latent_dim)

# Build Decoder
modules = []
de_hidden_dims = [hidden_dims[-1]] + hidden_dims

self.decoder_input = nn.Linear(latent_dim, hidden_dims[-1])
hidden_dims.reverse()

for i in range(len(de_hidden_dims) - 1):
modules.append(
nn.Sequential(
nn.Linear(de_hidden_dims[i], de_hidden_dims[i + 1]),
nn.LeakyReLU())
)

self.decoder = nn.Sequential(*modules)
self.final_layer = nn.Sequential(
nn.Linear(de_hidden_dims[-1], ori_in_channels))

def encode(self, input: Tensor) -> List[Tensor]:
"""
Encodes the input by passing through the encoder network
and returns the latent codes.
:param input: (Tensor) Input tensor to encoder [N x in_channels]
:return: (Tensor) List of latent codes [N x latent_dim]
"""
result = self.encoder(input)

# Split the result into mu and var components
# of the latent Gaussian distribution
mu = self.fc_mu(result)
log_var = self.fc_var(result)

return [mu, log_var]

def decode(self, z: Tensor) -> Tensor:
"""
Maps the given latent codes onto the data space.

:param z: (Tensor) [N x latent_dim]
:return: (Tensor) [N x in_channels]
"""
result = self.decoder_input(z)
result = self.decoder(result)
result = self.final_layer(result)
return result

def reparameterize(self, mu: Tensor, logvar: Tensor) -> Tensor:
"""
Reparameterization trick to sample from N(mu, var) from N(0,1).
:param mu: (Tensor) Mean of the latent Gaussian [N x latent_dim]
:param logvar: (Tensor) Standard deviation of the latent Gaussian [N x latent_dim]
:return: (Tensor) [N x latent_dim]
"""
std = torch.exp(0.5 * logvar)
eps = torch.randn_like(std)
return eps * std + mu

def forward(self, input: Tensor) -> List[Tensor]:
mu, log_var = self.encode(input)
z = self.reparameterize(mu, log_var)
return [self.decode(z), input, mu, log_var, z]

def loss_function(self, forward_res, kld_weight) -> dict:
"""
Computes the VAE loss function.
KL(N(\mu, \sigma), N(0, 1)) = \log \frac{1}{\sigma} + \frac{\sigma^2 + \mu^2}{2} - \frac{1}{2}
"""
recons = forward_res[0]
input = forward_res[1]
mu = forward_res[2]
log_var = forward_res[3]

recons_loss =F.mse_loss(recons, input)
kld_loss = torch.mean(-0.5 * torch.sum(1 + log_var - mu ** 2 - log_var.exp(), dim = 1), dim = 0)

loss = recons_loss + kld_weight * kld_loss
return {'loss': loss, 'Reconstruction_Loss':recons_loss.detach(), 'KLD':kld_loss.detach()}

代码仓库

效果展示

参考资料



文章链接:
https://www.zywvvd.com/notes/study/deep-learning/generation/vae/vae-demo/vae-demo/


“觉得不错的话,给点打赏吧 ୧(๑•̀⌄•́๑)૭”

微信二维码

微信支付

支付宝二维码

支付宝支付

对 VAE 的理解与实现
https://www.zywvvd.com/notes/study/deep-learning/generation/vae/vae-demo/vae-demo/
作者
Yiwei Zhang
发布于
2022年9月7日
许可协议