作者丨尹相楠

學校丨里昂中央理工博士在讀

研究方向丨人臉識別、對抗生成網絡

本文主要介紹譜歸一化這項技術，詳細論文參考?Spectral Normalization for Generative Adversarial Networks。

本文主要對論文中的基礎知識和遺漏的細節做出補充，以便于更好地理解譜歸一化。部分內容參考并整合了如下兩篇博客。

http://kaiz.xyz/blog/posts/spectral-norm/

https://christiancosgrove.com/blog/2018/01/04/spectral-normalization-explained.html

Lipschitz Continuity

在 GAN 中，假設我們有一個判別器 D: I→R，其中 I 是圖像空間。如果判別器是 K-Lipschitz continuous 的，那么對圖像空間中的任意 x 和 y，有：

其中 || · || 為 L2 norm，如果 K 取到最小值，那么 K 被稱為 Lipschitz constant。?

直觀地來說，Lipschitz 條件限制了函數變化的劇烈程度，即函數的梯度。在一維空間中，很容易看出 y=sin(x) 是 1-Lipschitz 的，它的最大斜率是 1。?

那么，為什么要使判別器函數具有 Lipschitz continuity 呢？Wasserstein GAN 提出了用 wasserstein 距離取代之前的 KL 散度或者 JS 散度，作為 GAN 判別器的損失函數：

其中 Pr 和 Pg 分別為真實數據和生成數據的分布函數，Wasserstein 距離衡量了這兩個分布函數的差異性。

直觀地理解，就是根據這兩個分布函數分別生成一堆數據 x1, x2, ... , xn 和另一堆數據 y1, y2, ... , yn，然后計算這兩堆數據之間的距離。距離的算法是找到一種一一對應的配對方案 γ~∏(Pr, Pg)，把 xi 移動到 yj，求總移動距離的最小值。

由于在 GAN 中， Pr 和 Pg 都沒有顯式的表達式，只能是從里面不停地采樣，所以不可能找到這樣的 γ，無法直接優化公式 (2) 。W-GAN 的做法是根據 Kantorovich-Rubinstein duality，將公式 (2) 轉化成公式 (3)，過程詳見以下鏈接：

https://vincentherrmann.github.io/blog/wasserstein/

其中 f 即為判別器函數。只有當判別器函數滿足 1-Lipschitz 約束時，(2) 才能轉化為 (3)。除此之外，正如上文所說，Lipschitz continuous 的函數的梯度上界被限制，因此函數更平滑，在神經網絡的優化過程中，參數變化也會更穩定，不容易出現梯度爆炸，因此 Lipschitz continuity 是一個很好的性質。?

為了讓判別器函數滿足 1-Lipschitz continuity，W-GAN 和之后的 W-GAN GP 分別采用了 weight-clipping 和 gradient penalty 來約束判別器參數。這里的譜歸一化，則是另一種讓函數滿足 1-Lipschitz continuity 的方式。

矩陣的Lipschitz Continuity

眾所周知，矩陣的乘法是線性映射。對線性映射來說，如果它在零點處是 K-Lipschitz 的，那么它在整個定義域上都是 K-Lipschitz 的。

想象一條過零點的直線，它的斜率是固定的，只要它上面任何一點是 K-Lipschitz 的，那么它上面所有點都是 K-Lipschitz 的。因此，對矩陣來說，它滿足 K-Lipschitz 的充要條件是：

對其做如下變換：

其中 <·> 表示兩個向量的內積。由于矩陣是半正定矩陣，它的所有特征值均為非負。我們假設它的特征向量構成的基底為 v1, v2,..., vn，對應的特征值為 λ1, λ2,..., λn，令 x=x1·v1+x2·v2+ ... +xn·vn。那么，公式 (5) 的左半部分可以轉化為：

要使公式 (6) 對任意 xi 恒成立，且 λi 非負，則必有。若 λ1 為最大的特征值，只需要滿足，這里即為矩陣 A 的 spectral norm。?

綜上所述，映射滿足 K-Lipschitz 連續，K 的最小值為。那么，要想讓矩陣 A 滿足 1-Lipschitz 連續，只需要在 A 的所有元素上同時除以即可（觀察公式 (4) 左側是線性映射）。?

通過上面的討論，我們得出了這樣的結論：矩陣 A 除以它的 spectral norm（最大特征值的開根號）可以使其具有 1-Lipschitz continuity。

矩陣的奇異值分解

上文提到的矩陣的 spectral norm 的另一個稱呼是矩陣的最大奇異值。回顧矩陣的 SVD 分解：?

矩陣存在這樣的一種分解：

其中：?

• U 是一個 m?× m 的單位正交基矩陣?

• Σ 是一個 m?× n 的對角陣，對角線上的元素為奇異值，非對角線上的元素為 0?

• V 是一個 n?× n 的單位正交基矩陣

▲?SVD分解

由于 U 和 V 都是單位正交基，因此可以把矩陣乘以向量分成三步：旋轉，拉伸，旋轉。一前一后的兩步旋轉不改變向量的模長，唯一改變向量模長的是中間的拉伸，即與 Σ 相乘的那一步。而矩陣的 Lipschitz continuity 關心的正是矩陣對向量模長的改變，不關心旋轉。

因此，只需要研究中間的 Σ 即可。而 Σ 又是一個對角矩陣，因此，它對向量的模長拉長的最大值，就是對角線上的元素的最大值。也就是說，矩陣的最大奇異值即為它的 spectral norm。?

根據公式 (7) ，以及 SVD 分解中 U 和 V 都是單位正交基，單位正交基的轉置乘以它本身為單位矩陣，有：

因此，只需要求出的最大特征值，再開根號，就求出了矩陣的最大奇異值，也就是矩陣的 spectral norm，和上一小節的推導殊途同歸。

神經網絡的Spectral Norm

對于復合函數，我們有這樣的定理：

而多層神經網絡，正是多個復合函數嵌套的操作。最常見的嵌套是：一層卷積，一層激活函數，再一層卷積，再一層激活函數，這樣層層包裹起來。

激活函數通常選取的 ReLU，Leaky ReLU 都是 1-Lipschitz 的，帶入到 (9) 中相乘不影響總體的 Lipschitz constant，我們只需要保證卷積的部分是 1-Lipschitz continuous 的，就可以保證整個神經網絡都是 1-Lipschitz continuous 的。?

而在圖像上每個位置的卷積操作，正好可以看成是一個矩陣乘法。因此，我們只需要約束各層卷積核的參數 W，使它是 1-Lipschitz continuous 的，就可以滿足整個神經網絡的 1-Lipschitz continuity。

我們已經知道，想讓矩陣滿足 1-Lipschitz continuous，只需要讓它所有元素同時除以它的最大奇異值，或者說是它的 spectural norm。因此，下一步的問題是如何計算 W 的最大奇異值。?

對大矩陣做 SVD 分解運算量很大，我們不希望在優化神經網絡的過程中，每步都對卷積核矩陣做一次 SVD 分解。一個近似的解決方案是 power iteration 算法。

Power Iteration

Power iteration 是用來近似計算矩陣最大的特征值（dominant eigenvalue 主特征值）和其對應的特征向量（主特征向量）的。?

假設矩陣 A 是一個 n?× n 的滿秩的方陣，它的單位特征向量為 v1, v2,..., vn，對應的特征值為 λ1, λ2,...,?λn。那么對任意向量 x=x1·v1+x2·v2+ ... +xn·vn，有：

我們經過 k 次迭代：

由于?λ1,?λ2,...,?λn（不考慮兩個特征值相等的情況，因為太少見了）?？芍?#xff0c;經過 k 次迭代后。因此：

也就是說，經過 k 次迭代后，我們將得到矩陣主特征向量的線性放縮，只要把這個向量歸一化，就得到了該矩陣的單位主特征向量，進而可以解出矩陣的主特征值。?

而我們在神經網絡中，想求的是權重矩陣 W 的最大奇異值，根據上面幾節的推導，知道這個奇異值正是最大特征值的開方。因此，我們可以采用 power iteration 的方式求解的單位主特征向量，進而求出最大特征值 λ1。論文中給出的算法是這樣的：

如果單純看分子，我們發現這兩步合起來就是，反復迭代 (13) 中上下兩個式子 ，即可得到矩陣的單位主特征向量。只不過 (13) 的每算“半”步都歸一化一次。

其實這種歸一化并不影響向量的方向收斂到主特征向量的方向，而只影響特征向量前面的系數。而每步歸一化一次的好處是，每步都可以得到單位主特征向量的近似解。?

那么，知道的單位主特征向量后，如何求出最大特征值 λ1?呢？

而將公式 (13) 的第二個式子兩邊同時左乘:

最終，(15) 即為論文中提出的權重矩陣 W 的 spectral norm 公式。?

而在具體的代碼實現過程中，可以隨機初始化一個噪聲向量代入公式 (13) 。由于每次更新參數的 step size 很小，矩陣 W 的參數變化都很小，矩陣可以長時間維持不變。

因此，可以把參數更新的 step 和求矩陣最大奇異值的 step 融合在一起，即每更新一次權重 W ，更新一次和，并將矩陣歸一化一次（除以公式 (15) 近似算出來的 spectral norm）。?

具體代碼見：

https://github.com/christiancosgrove/pytorch-spectral-normalization-gan

點擊以下標題查看更多往期內容：?

• Airbnb實時搜索排序中的Embedding技巧

• 圖神經網絡綜述：模型與應用

• 近期值得讀的10篇GAN進展論文

• F-Principle：初探理解深度學習不能做什么
  

• 自然語言處理中的語言模型預訓練方法

• 兩行代碼玩轉Google BERT句向量詞向量

• AI Challenger 2018 機器翻譯參賽總結

• Google BERT應用之紅樓夢對話人物提取

• 深度長文：NLP的巨人肩膀（上）

• NLP的巨人肩膀（下）：從CoVe到BERT

#投 稿 通 道#

?讓你的論文被更多人看到?

如何才能讓更多的優質內容以更短路徑到達讀者群體，縮短讀者尋找優質內容的成本呢？?答案就是：你不認識的人。

總有一些你不認識的人，知道你想知道的東西。PaperWeekly 或許可以成為一座橋梁，促使不同背景、不同方向的學者和學術靈感相互碰撞，迸發出更多的可能性。?

PaperWeekly 鼓勵高校實驗室或個人，在我們的平臺上分享各類優質內容，可以是最新論文解讀，也可以是學習心得或技術干貨。我們的目的只有一個，讓知識真正流動起來。

??來稿標準：

? 稿件確系個人原創作品，來稿需注明作者個人信息（姓名+學校/工作單位+學歷/職位+研究方向）?

? 如果文章并非首發，請在投稿時提醒并附上所有已發布鏈接?

? PaperWeekly 默認每篇文章都是首發，均會添加“原創”標志

? 投稿郵箱：

? 投稿郵箱：hr@paperweekly.site?

? 所有文章配圖，請單獨在附件中發送?

? 請留下即時聯系方式（微信或手機），以便我們在編輯發布時和作者溝通

?

現在，在「知乎」也能找到我們了

進入知乎首頁搜索「PaperWeekly」

點擊「關注」訂閱我們的專欄吧

關于PaperWeekly

PaperWeekly 是一個推薦、解讀、討論、報道人工智能前沿論文成果的學術平臺。如果你研究或從事 AI 領域，歡迎在公眾號后臺點擊「交流群」，小助手將把你帶入 PaperWeekly 的交流群里。

▽ 點擊 |?閱讀原文?| 獲取最新論文推薦

總結

以上是生活随笔為你收集整理的详解GAN的谱归一化（Spectral Normalization）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。