2014 年，Ian Goodfellow 在酒桌上想出了一个点子：让两个神经网络互相博弈------一个负责"造假"，一个负责"打假"，在对抗中共同进步。这便是 GAN。它能从噪声里"无中生有"出逼真人脸、画作、甚至药物分子。但 GAN 也是出了名地难训。本文推导它的目标函数，讲清为什么难训，以及工程师们是怎么把它"驯服"的。
一、极小极大博弈目标推导
GAN 同时训练两个网络：
-
生成器 G ：输入噪声
z ~ p_z，输出假样本G(z)，目标是骗过判别器。 -
判别器 D ：输入真样本
x ~ p_data或假样本G(z)，输出"这是真的"的概率。
二者玩一个零和博弈，目标函数：
min_G max_D V(D, G) = E_{x~p_data}[log D(x)] + E_{z~p_z}[log(1 - D(G(z)))]-
对 D：希望
D(x)接近 1（真），D(G(z))接近 0（假），所以最大化V。 -
对 G：希望
D(G(z))接近 1，即最小化V（等价于最大化log D(G(z))）。
理论最优 ：当 G 完美拟合真实分布（p_g = p_data）时，最优判别器 D* = 1/2，此时 V 取到最小值 -log 4。也就是说，博弈的纳什均衡就是"生成分布 = 真实分布"------这正是 GAN 优雅的地方。
二、训练不稳定与模式崩溃
理想很丰满，现实三大坑：
-
模式崩溃（Mode Collapse）：G 发现某几个样本能稳定骗过 D，于是只生成这几类，丢失多样性。比如人脸生成全是同一张脸。
-
梯度消失 ：当 D 太强，真假判别接近完美，
log(1 - D(G(z)))的梯度趋于 0，G 学不动。 -
超参敏感 + 振荡：G 和 D 必须"势均力敌"地同步提升，一方过强就训崩，对学习率、架构极其挑剔。
训练循环（交替更新）：
for epoch in range(epochs):
for real_imgs in dataloader:
# ---- 训练判别器 D ----
z = torch.randn(batch, z_dim, 1, 1)
fake = generator(z).detach()
d_loss = -torch.log(D(real_imgs)).mean() - torch.log(1 - D(fake)).mean()
d_loss.backward(); d_opt.step()
# ---- 训练生成器 G ----
fake = generator(z)
g_loss = -torch.log(D(fake)).mean() # 希望 D(fake)->1
g_loss.backward(); g_opt.step()三、WGAN 等改进方案
WGAN（Wasserstein GAN） 用 Earth-Mover（推土机）距离替换原始 JS 散度，核心改动两点：
-
判别器改为"批评家"（Critic），去掉最后的 sigmoid，输出打分而非概率。
-
对 Critic 参数做** Lipschitz 约束**（原始 WGAN 用权重截断，后续 WGAN-GP 用梯度惩罚，更稳）。
好处：哪怕真假分布不重叠，梯度也不会消失，训练曲线更平滑、可监控。
python
# WGAN-GP 判别器损失（示意）
def critic_loss(real, fake, critic, lambda_gp=10):
gp = gradient_penalty(critic, real, fake) # 梯度惩罚项
return (fake.mean() - real.mean()) + lambda_gp * gp其他稳定技巧：
-
谱归一化（Spectral Norm）：约束每层权重的谱范数，天然满足 Lipschitz。
-
标签平滑 / 历史缓存（Buffer）：缓解 D 过拟合 recent fake、导致的振荡。
-
TTUR / 不同学习率：让 D 和 G 用不同步长。
四、DCGAN / StyleGAN 实战
4.1 DCGAN（入门标配）
用卷积反卷积构建 G/D，首次让 GAN 在卧室、人脸等数据集上稳定出图：
python
import torch.nn as nn
class Generator(nn.Module):
def __init__(self, z_dim=100, fdim=64):
super().__init__()
self.net = nn.Sequential(
nn.ConvTranspose2d(z_dim, fdim*8, 4, 1, 0), nn.BatchNorm2d(fdim*8), nn.ReLU(),
nn.ConvTranspose2d(fdim*8, fdim*4, 4, 2, 1), nn.BatchNorm2d(fdim*4), nn.ReLU(),
nn.ConvTranspose2d(fdim*4, fdim*2, 4, 2, 1), nn.BatchNorm2d(fdim*2), nn.ReLU(),
nn.ConvTranspose2d(fdim*2, 3, 4, 2, 1), nn.Tanh(),
)
def forward(self, z): return self.net(z.view(z.size(0), z.size(1), 1, 1))4.2 StyleGAN（可控生成）
StyleGAN 把隐码解耦成"风格向量"，通过 AdaIN 注入各层，实现发型、年龄、姿态的解耦控制，是当代人脸生成的事实标准。其核心思想（映射网络 + 风格调制）已成为生成模型的通用范式。
五、FID 评估与扩散模型对比
生成质量怎么量化？FID（Frechet Inception Distance） 用 Inception 特征分布的距离衡量"真假样本有多像"，越低越好（< 10 通常算好）。IS（Inception Score）则衡量多样性和清晰度，但 FID 更受认可。
GAN vs Diffusion 此消彼长 ：2020 年后，扩散模型（DDPM、Stable Diffusion）在稳定性和可控性上压过 GAN，尤其文生图领域几乎被扩散占领。但 GAN 在实时、低算力、可控编辑场景（如 StyleGAN 的人脸属性编辑、GAN-based 超分）仍有不可替代的地位。
六、总结
GAN 用"对抗"这一极简思想打开了生成式深度学习的大门，其极小极大博弈、模式崩溃、WGAN 改进是理解所有生成模型的基石。尽管扩散模型来势汹汹，GAN 在可控生成和实时性上的积累依然厚实。学 GAN，不为追新，而为理解"让两个网络互相教对方变强"这一深刻范式。
参考资料
-
Goodfellow, I., et al. (2014). Generative Adversarial Networks.
-
Arjovsky, M., et al. (2017). Wasserstein GAN (WGAN).
-
Gulrajani, I., et al. (2017). Improved Training of WGAN (WGAN-GP).
-
Karras, T., et al. (2019). A Style-Based Generator Architecture for GANs (StyleGAN).
往期回顾
关注作者，继续《深度学习工程化》专栏：下一篇讲"模型训好了怎么塞进手机"------量化、剪枝与 ONNX 部署。
📚 本篇出自专栏《深学之路：从感知机到智能体》 ------ 从感知机到大模型智能体的完整深度学习连载（基础+工程化 +扩散模型 / RAG / Agent 等）。每篇附可运行代码与原创实验，收藏专栏不迷路。