导读

变分自编码器（VAE）是一种生成式模型，虽然名字上叫做自编码器，但却和普通的自编码器有着本质上的区别。图a所示为一个普通自编码器的示意图，其功能是将输入数据压缩到一个低维的空间中，这个低维的向量代表了输入数据的“精华”，如何保证低维的向量能够表示输入向量呢？自编码器在将低维向量解码成输出向量时，会使重构误差尽可能地小，即输出的向量与原始向量尽可能地接近。经过这样的处理我们遇到一个新的样本数据时，只要将其输入到自编码器的编码部分，就可以用的到的低维向量代表这个样本，所以说基本自编码器实际上是一个数据转换的过程，即将原始高维的数据用低维的数代替，从而方便我们处理后续任务。而变分自编码器（如图b所示），其中间的编码不是低维向量那么简单，而是代表一个分布的参数。我们假设观测变量\(x\)（即样本）是受到某个隐变量\(z\)的影响而产生的，即通过\(z\)可以生成\(x\)。那么如果我们知道了\(z\)的概率分布，从中采样出一个样本\(z_{i}\)，就可以生成一个新的数据\(x_{i}\)。变分自编码器广泛应用与图像生成领域，一个好的VAE可以生成十分逼真的图像。

a.自编码器示意图   b.变分自编码器示意图

建模

如上一节所说，我们假设观测变量\(x\)受隐变量\(z\)的影响，只要知道隐变量\(z\)的分布\(p(z)\)便可通过采样得到一个新的数据，现在我们只知道样本数据，因此一个直观的方法是通过样本来推断隐变量\(z\)的分布，即求\(p(z|x)\)。根据贝叶斯公式：

\[p(z|x)=\frac{p(x|z)p(z)}{p(x)} \]

想要求得\(p(z|x)\)，首先要知道\(p(x)\)，而\(p(x)\)我们是不知道的，因此直接求解\(p(z|x)\)的方法十分麻烦。退而求其次，可以引入一个新的分布\(q(z|x)\)，用这个分布去逼近\(p(z|x)\)。既然引入\(q(z|x)\)，那么\(q(z|x)\)的分布须是已知的，并且要尽量简单，我们通常假设\(q(z|x)\)服从对角化协方差的高斯分布：

\[q(z|x) \sim N(\mu _{I},\sigma ^{2}_{I}I) \]

我们希望引进的分布\(q(z|x)\)与\(p(z|x)\)越接近越好。衡量两个分布之间相似性的指标可以用KL散度：

\[KL(q(z|x)||p(z|x))=\int q(z|x)log\frac{q(z|x)}{p(z|x)}dz \]

于是我们的目标即为最小化KL散度：

\[min \ KL(q(z|x)||p(z|x)) \]

接下来进行必要的数学推导：

\[KL(q(z|x)||p(z|x))=\int q(z|x)log\frac{q(z|x)}{p(z|x)}dz \]

\[=\int q(z|x)log\frac{q(z|x)}{\frac{p(x|z)p(z)}{p(x)}}dz \]

\[=\int q(z|x)logq(z|x)dz+\int q(z|x)logp(x)dz-\int q(z|x)log[p(x|z)p(z)]dz \]

由于\(p(x)\)是固定值，\(\int q(z|x)dz=1\)，上式中间部分就等于\(logp(x)\)，继续推导：

\[=logp(x)+\int q(z|x)logq(z|x)dz-\int q(z|x)log[p(x|z)p(z)]dz \]

别忘了我们的目的是最小化上面的公式，而\(logp(x)\)是固定的，因此只需要最小化右边两个部分,记作\(L\)，即：

\[min \ L=\int q(z|x)logq(z|x)dz-\int q(z|x)log[p(x|z)p(z)]dz \]

\[L=\int q(z|x)logq(z|x)dz-\int q(z|x)logp(x|z)dz-\int q(z|x)logp(z)dz \]

\[=\int q(z|x)log\frac{q(z|x)}{p(z)}dz-\int q(z|x)logp(x|z)dz \]

\[=KL(q(z|x)||p(z))-E_{z \sim q(z|x)}[logp(x|z)] \]

即最大化：

\[max \ E_{z \sim q(z|x)}[logp(x|z)]-KL(q(z|x)||p(z)) \]

上式第一部分是说：不断在\(z\)上采样，然后使得被重构的样本中重构\(x\)的几率最大；第二部分衡量的是引入的分布\(q(z|x)\)与隐变量\(z\)的分布\(p(z)\)的相似性，一般我们假设隐变量\(z\)服从标准高斯分布，即：

\[\boldsymbol{z} \sim N(0, I) \quad z的 每一维度之间都是独立的 \]

为了用梯度下降算法求解，我们重新整理一下目标函数：

\[min \ J=-E_{z \sim q(z|x)}[logp(x|z)]+KL(q(z|x)||p(z)) \]

至此，变分自编码器的目标函数已经构建完成。

重参数化

上一节谈到目标函数\(J\)包含从分布\(N(\mu _{I},\sigma ^{2}_{I}I)\)中采样出一个\(z\)，然后重构回到\(x\)的损失，而“采样”这个操作是不可导的。我们可以用如下操作来代替：从\(N(\mu,\sigma ^{2})\)中采样一个\(z\)，相当于从标准正态分布\(N(0, 1)\)中采样一个\(\epsilon\)，然后让\(z=\mu + \epsilon \times \sigma\)。最后总结一下变分自编码器的操作过程。

如上图所示，自编码器接受一个样本作为输入，经过推断网络（又称编码器）计算\(p(z|x)\)，我们是用\(q(z|x)\)来近似\(p(z|x)\)的，而\(q(z|x)\)的参数是通过神经网络计算的，接着利用重参数化技巧采样一个样本\(z\)，并利用\(p(x|z)\)重构出\(z\)对应的\(x\)，而\(p(x|z)\)同样也是通过神经网络计算的，这个网络称为生成网络（也称解码器）。

代码实现

基于pytorch实现VAE，数据集选用MNIST手写数字图片。主要代码如下：

class MYVAE(nn.Module):
    def __init__(self):
        super().__init__()
        self.encoder = nn.Sequential(
            nn.Linear(HP.image_size, HP.h_dim),
            nn.ReLU(),
            nn.Linear(HP.h_dim, HP.z_dim * 2)
        )
        self.decoder = nn.Sequential(
            nn.Linear(HP.z_dim, HP.h_dim),
            nn.ReLU(),
            nn.Linear(HP.h_dim, HP.image_size),
            nn.Sigmoid()
        )

    def reparameterize(self, mu, logvar):
        std = torch.exp(logvar)
        eps = torch.randn_like(std)
        return mu + std * eps

    def forward(self, x):
        param = self.encoder(x)
        mu, logvar = torch.chunk(param, 2, dim=-1)
        z = self.reparameterize(mu, logvar)
        return self.decoder(z), mu, logvar

效果

以下两幅图是运行15个epoch的效果：

a.重构图像   a.生成图像