【深度学习】生成模型：VAE(自编码器)模型解析_vae模型

1 前言

  本文为自己自学内容的记录，其中多有借鉴别人博客的地方，一并在参考文献中给出链接，其中大部分截图来自李宏毅深度学习PPT课件。其中内容有理解不到位的地方，各位大佬在评论区给出修改意见，感恩。

  本文前置知识高斯混合模型和EM算法，如果不了解这两种算法直接看VAE模型会有理解上的障碍。

2 VAE模型

2.1 VAE模型推导

  VAE模型的初始化推导和EM算法的推导有相似之处，不同的是在VAE模型中隐变量$Z$是一个连续的无穷维而不是跟高斯分布一样为有限的离散变量，所以在VAE的参数估计中用到了神经网络。
  VAE是一个深度生成模型，其最终目的是生成出概率分布$P(x)$，$x$即输入数据。在VAE中，通过高斯混合模型(Gaussian Mixture Model)来生成$P(x)$，也就是说$P(x)$是由一系列高斯分布叠加而成的，每一个高斯分布都有它自己的参数 $\mu$ 和 $\sigma$。

为此假设隐变量$z$服从$\mathrm{z}\sim \mathrm{N}(0,\mathrm{I})$(注意$z$是一个向量，生成自一个高斯分布)，并且找一个映射关系将向量$z$映射成这一系列高斯分布的参数向量$\mu (z)$和$\sigma (z)$。有了这一系列高斯分布的参数，就可以得到叠加后的$P(x)$的形式，即$\mathrm{x}\mid \mathrm{z}\sim \mathrm{N}(\mu (\mathrm{z}),\sigma (\mathrm{z}))$（这里的“形式”仅是对某一个向量$z$所得到的）这里可以结合高斯混合模型理解，也可以结合参考文献【2】中的例子理解，总之就是假设隐变量$Z$服从某一种分布，而观察到的样本$X$属于$Z$的某一个分布的概率。

  那么要找的这个映射关系$P(x|z)$如何获得？这里就需要用到神经网络，那么为什么不用极大似然估计，因为在VAE模型中隐变量数量假设是高维无限的，没有办法用积分去做，所以用神经网络去拟合（神经网络可以拟合任意函数）。如下图所示：

输入向量$z$，得到参数向量$\mu (z)$和$\sigma (z)$。这个映射关系是要在训练过程中更新NN权重得到的。这部分作用相当于最终的解码器(decoder)。

  对于某一个向量$z$我们知道了如何找到$P(x)$，那么对连续变量$z$依据全概率公式有:
$$\mathrm{P}(\mathrm{x})={\int }_{\mathrm{z}}\mathrm{P}(\mathrm{z})\mathrm{P}(\mathrm{x}\mid \mathrm{z})\mathrm{dz}$$

  但是很难直接计算积分部分，因为我们很难穷举出所有的向量$z$用于计算积分。又因为$P(x)$ 难以计算，那么真实的后验概率 $P(z\mid x)=P(z)P(x\mid z)/P(x)$ 同样是不容易计算的，这也就是为什么下文要引入$q(z|x)$来近似真实后验概率$P(z|x)$。

因此我们用极大似然估计来估计$P(x)$，有似然函数$L$：
$$\mathrm{L}=\sum _{\mathrm{x}}\log \mathrm{P}(\mathrm{x})$$

这里额外引入一个分布 $q(z|x)$，$z|x\sim N({\mu }^{\prime }(x),{\sigma }^{\prime }(x))$，这个分布表示形式如下：

这个分布同样是用一个神经网络来完成，向量$z$根据NN输出的参数向量${\mu }^{\prime }(x)$ 和 ${\sigma }^{\prime }(x)$ 运算得到，这部分作用相当于编码器(encoder)。

注意：这里为什么需要引入额外的分布$q(z|x)$，跟EM算法的求解过程做对比，在EM算法中$q(z)$是可以取到$P(z|x)$，从而令散度等于零不断的抬升下界进行极大似然估计，但是在VAE中由于$P(z|x)$是很难求的所以引入一个变量q(x)对其进行近似。

接下来进行公式的推导，由于在EM算法中已经推导出了ELBO+KL的形式，这里就直接拿来用：
$$\log P(\mathrm{x}\mid \theta )={\int }_{Z}q(\mathrm{z}|\mathrm{x})\log \frac{P(\mathrm{x},\mathrm{z}\mid \theta )}{q(\mathrm{z}|\mathrm{x})}d\mathrm{z}+D_{KL}(q(\mathrm{z}|\mathrm{x})\Vert P(\mathrm{z}\mid \mathrm{x},\theta ))$$

根据KL divergence的性质 $D_{KL}(q(\mathrm{z}|\mathrm{x})\Vert P(\mathrm{z}\mid \mathrm{x},\theta ))\ge 0$ 当且仅当 $q(\mathrm{z}|\mathrm{x})=P(\mathrm{z}\mid \mathrm{x},\theta )$取等号，因此有

$$\log P(\mathrm{x}\mid \theta )\ge {\int }_{z}q(\mathrm{z}|\mathrm{x})\log \frac{P(\mathrm{x},\mathrm{z}\mid \theta )}{q(\mathrm{z}|\mathrm{x})}d\mathrm{z}$$

因此便得到了$\log P(X\mid \theta )$的一个下界称为Evidence Lower Bound (ELBO)，简称$L_b$。最大化 $L_b$ 就等价于最大化似然函数 $L$。那么接下来具体看 $L_b$ :
L b = ∫ z q ( z ∣ x ) log ⁡ P ( z , x ) q ( z ∣ x ) d z = ∫ z q ( z ∣ x ) log ⁡ ( P ( z ) q ( z ∣ x ) ⋅ P ( x ∣ z ) ) d z = ∫ z q ( z ∣ x ) log ⁡ P ( z ) q ( z ∣ x ) d z + ∫ z q ( z ∣ x ) log ⁡ P ( x ∣ z ) d z = − D K L ( q ( z ∣ x ) ∥ P ( z ) ) + ∫ z q ( z ∣ x ) log ⁡ P ( x ∣ z ) d z = − D K L ( q ( z ∣ x ) ∥ P ( z ) ) + E q ( z ∣ x ) [ log ⁡ P ( x ∣ z ) ]

$$\begin{aligned} \mathrm{L}_{\mathrm{b}} &=\int_{z} \mathrm{q}(\mathrm{z} \mid \mathrm{x}) \log \frac{\mathrm{P}(\mathrm{z}, \mathrm{x})}{\mathrm{q}(\mathrm{z} \mid \mathrm{x})} \mathrm{dz} \\ &=\int_{\mathrm{z}} \mathrm{q}(\mathrm{z} \mid \mathrm{x}) \log \left(\frac{\mathrm{P}(\mathrm{z})}{\mathrm{q}(\mathrm{z} \mid \mathrm{x})} \cdot \mathrm{P}(\mathrm{x} \mid \mathrm{z})\right) \mathrm{dz} \\ &=\int_{\mathrm{z}} \mathrm{q}(\mathrm{z} \mid \mathrm{x}) \log \frac{\mathrm{P}(\mathrm{z})}{\mathrm{q}(\mathrm{z} \mid \mathrm{x})} \mathrm{dz}+\int_{\mathrm{z}} \mathrm{q}(\mathrm{z} \mid \mathrm{x}) \log \mathrm{P}(\mathrm{x} \mid \mathrm{z}) \mathrm{dz} \\ &=-\mathrm{D}_{\mathrm{KL}}(\mathrm{q}(\mathrm{z} \mid \mathrm{x}) \| \mathrm{P}(\mathrm{z}))+\int_{\mathrm{z}} \mathrm{q}(\mathrm{z} \mid \mathrm{x}) \log \mathrm{P}(\mathrm{x} \mid \mathrm{z}) \mathrm{dz} \\ &=-\mathrm{D}_{\mathrm{KL}}(\mathrm{q}(\mathrm{z} \mid \mathrm{x}) \| \mathrm{P}(\mathrm{z}))+\mathrm{E}_{\mathrm{q}(\mathrm{z} \mid \mathrm{x})}[\log \mathrm{P}(\mathrm{x} \mid \mathrm{z})] \end{aligned}$$ Lb​​=∫z​q(z∣x)logq(z∣x)P(z,x)​dz=∫z​q(z∣x)log(q(z∣x)P(z)​⋅P(x∣z))dz=∫z​q(z∣x)logq(z∣x)P(z)​dz+∫z​q(z∣x)logP(x∣z)dz=−DKL​(q(z∣x)∥P(z))+∫z​q(z∣x)logP(x∣z)dz=−DKL​(q(z∣x)∥P(z))+Eq(z∣x)​[logP(x∣z)]​

推导到这一步就会发现这种形式的公式是看VAE相关论文经常给出的形式。同时到了这一步也可以看出，最大化似然函数$L$就是最大化$L_b$，也即最小化$-{\mathrm{D}}_{\mathrm{KL}}(\mathrm{q}(\mathrm{z}\mid \mathrm{x})\Vert \mathrm{P}(\mathrm{z}))$和最大化${\mathrm{E}}_{\mathrm{q}(\mathrm{z}\mid \mathrm{x})}[\log \mathrm{P}(\mathrm{x}\mid \mathrm{z})]$。

• 最小化$-{\mathrm{D}}_{\mathrm{KL}}(\mathrm{q}(\mathrm{z}\mid \mathrm{x})\Vert \mathrm{P}(\mathrm{z}))$，使后验分布近似值$q(z|x)$接近先验分布$P(z)$。也就是说通过$q(z|x)$生成的编码$z$不能太离谱，要与某个分布相当才行，这里是对中间编码生成起了限制作用。当$q(z|x)$和$P(z)$都是高斯分布时，推导式有(参考文献【4】中Appendix B)：
  $${\mathrm{D}}_{\mathrm{KL}}(\mathrm{q}(\mathrm{z}\mid \mathrm{x})\Vert \mathrm{P}(\mathrm{z}))=-\frac{1}{2}\sum _{\mathrm{j}}^{\mathrm{J}}\left(1+\log {\left({\sigma }_{\mathrm{j}}\right)}^2-{\left({\mu }_{\mathrm{j}}\right)}^2-{\left({\sigma }_{\mathrm{j}}\right)}^2\right)$$
  其中$J$表示向量$z$的总维度数，${\sigma }_j$和${\mu }_j$表示$q(z|x)$输出的参数向量$\sigma$和$\mu$的第$j$个元素。(这里的$\sigma$和$\mu$等于前文中${\mu }^{\prime }(x)$和${\sigma }^{\prime }(x)$.
• 最大化${\mathrm{E}}_{\mathrm{q}(\mathrm{z}\mid \mathrm{x})}[\log \mathrm{P}(\mathrm{x}\mid \mathrm{z})]$,即在给定编码器输出$q(z|x)$下解码器输出$P(x|z)$越大越好。这部分也就相当于最小化Reconstruction Error(重建损失)

  由此我们可以得出VAE的原理图：

通常忽略掉decoder输出的$\sigma (x)$一项，仅要求$\mu (x)$与$x$越接近越好。
对某一输入数据$x$来说，VAE的损失函数即（$L_b$取负号）:
$$\min {\mathrm{Loss}}_{\mathrm{V}\mathrm{AE}}={\mathrm{D}}_{\mathrm{KL}}(\mathrm{q}(\mathrm{z}\mid \mathrm{x})\Vert \mathrm{P}(\mathrm{z}))-{\mathrm{E}}_{\mathrm{q}(\mathrm{z}\mid \mathrm{x})}[\log \mathrm{P}(\mathrm{x}\mid \mathrm{z})]$$

2.2 重参化技巧

  在前面VAE的介绍中样本经过Encoder生成了隐变量的一个分布 $\mathrm{z}\sim \mathrm{q}(\mathrm{z}\mid \mathrm{x})$，然后从这个分布中采样$z$进行Decoder，注意“采样”这个操作是不可微的，因此不能做反向传播，所以用reparameterization trick来解决这个问题，示意图如下：

将上图左图原来的采样操作通过reparameterization trick变换为右图的形式。

我们引入一个外部向量$ϵ\sim N(0,I)$，通过$z=\mu +\sigma \odot ϵ$计算编码$z$ （$\odot$表示element-wise乘法，$ϵ$的每一维都服从标准高斯分布即${ϵ}_i\sim$ N(0,1)，由此loss的梯度可以通过$\mu$和$\sigma$分支传递到encoder model处（$ϵ$并不需要梯度信息来更新）。

这里利用了这样一个事实[3]：考虑单变量高斯分布，假设$z\sim p(z\mid x)=N(\mu ,\sigma 2)$，从中采样一个$z$，就相当于先从$N(0,1)$中采样一个$ϵ$，再令$z=\mu +\sigma \odot ϵ$

最终的VAE的形式如下：

3 QA

3.1 生成体现在什么地方

3.2 AE和VAE的区别

  将把$x$表示为输入数据，把$z$表示为潜在变量(编码表示)。在普通的自编码器中，编码器将输入$x$转换为潜在变量$z$，而解码器将$z$转换为重构的输出。而在可变自编码器中，编码器将$x$转换为潜在变量$p(z|x)$的概率分布，然后对潜在变量$z$随机采样，再由解码器解码成重构输出。自编码器(确定性)和可变自编码器(概率性)的区别。

4 另一种角度理解VAE

5 总结

  其实那么多数学公式推导，我自己都有点晕，但是本质上就是用自编码器去产生很多高斯分布，去拟合样本的分布，然后某个x对应的高斯分布里采样z，然后复原成x，跟GAN区别就是这个是完全去模仿分布，只能生成数据中已有的图片，很难创造新的图片，最多也就是插值图片了。

  也可以理解成图片的特征向量z采样于某种高斯分布，我们要把他给找出来，我们希望这个分布贴近标准正太分布，然后通过编码器生成对应均值和方差，然后采样z，希望z又能复原图片，这样就找到了这个z背后的高斯分布。这个高斯分布的均值就是最大概率生成特征z，可以复原图片，当然均值旁边采样出来的z可能可以复原的不是很像，但是也是在数据集里的，如果有2个图片的特征分布都在这个点有所重合的话，可能就是2个图片中间的插值图片了。

不足

VAE在产生新数据的时候是基于已有数据来做的，或者说是对已有数据进行某种组合而得到新数据的，它并不能生成或创造出新数据。另一方面是VAE产生的图像比较模糊。
而大名鼎鼎的GAN利用对抗学习的方式，既能生成新数据，也能产生较清晰的图像。后续的更是出现了很多种变形。

6 参考文献

[1]【深度学习】VAE(Variational Auto-Encoder)原理
[2]【干货】深入理解变分自编码器
[3]变分自编码器VAE：原来是这么一回事 | 附开源代码
[4]Auto-encoding variational bayes
[5]【机器学习】白板推导系列(三十二) ～ 变分自编码器(VAE)
[6]PyTorch实现VAE
[7]使用(VAE)生成建模,理解可变自动编码器背后的数学原理
[8]这个视频讲解的非常好，特别是后面的公式推导很妙