一、基本概念与填空考点

  1. GAN全称：生成对抗网络（Generative Adversarial Network）

  2. GAN的核心组成：

    • 生成器（Generator，G）：生成合成数据

    • 判别器（Discriminator，D）：判断数据真伪

  3. GAN的训练目标：

    • G：生成逼真数据以“欺骗”D

    • D：准确区分真实数据与生成数据

  4. GAN的训练过程：

    • 交替训练：先固定G训练D，再固定D训练G

  5. GAN的优化目标：

    • 达到纳什均衡（双方无法单独改善自己的策略）

  6. GAN与判别模型的区别：

    • GAN是生成模型，学习数据分布；判别模型直接建模分类概率 p(y∣x)p(y∣x)

二、GAN的变体与扩展

  1. Conditional GAN（CGAN）：

    • 输入：条件 cc + 噪声 zz

    • 输出：条件相关的生成数据

    • 应用：文本生成图像、图像翻译、风格迁移

  2. CycleGAN：

    • 特点：无需配对数据，实现两个域之间的转换

    • 应用：风格迁移（如照片→梵高画风）

  3. Wasserstein GAN（WGAN）：

    • 改进：使用Wasserstein距离，缓解训练不稳定和模式崩溃问题

  4. Defense-GAN：

    • 用途：防御对抗样本攻击

    • 原理：通过生成器重构输入，消除对抗性噪声

三、GAN的训练机制与问题

  1. 训练步骤：

    • Step 1：固定G，更新D（用真实数据和生成数据训练判别器）

    • Step 2：固定D，更新G（用判别器反馈优化生成器）

  2. 常见训练问题：

    • 模式崩溃（Mode Collapse）：生成器只生成少数几种样本

    • 梯度消失：判别器过于强大，生成器无法学习

    • 训练不稳定：交替训练中容易出现震荡

  3. 损失函数（了解即可）：

    • 原始GAN使用交叉熵损失

    • WGAN使用Wasserstein距离

四、GAN的应用场景

  1. 图像生成：从随机噪声生成逼真图像

  2. 文本生成图像：基于文字描述生成对应图像（如“一只红色的鸟”）

  3. 图像翻译：如pix2pix（图像→图像转换）

  4. 超分辨率重建：从低分辨率图像生成高分辨率图像

  5. 对抗样本防御：利用GAN重构输入，消除攻击噪声

  6. 风格迁移：如CycleGAN实现域间转换

五、CGAN与文本生成图像

  1. CGAN输入：

    • 条件 c（如文字描述）

    • 噪声 z（从先验分布采样）

  2. CGAN训练样本：

    • 正样本：真实图片 + 对应文字

    • 负样本：假图片 + 任意文字 / 真实图片 + 错误文字

  3. CGAN优势：

    • 避免监督学习中图像模糊问题（避免多目标平均）

六、GAN与对抗样本

  1. 对抗样本定义：通过添加细微干扰，使模型错误分类的输入

  2. Defense-GAN防御机制：

    • 用生成器学习真实数据分布

    • 对输入进行重构，去除对抗性扰动

    • 将重构后的输入送入分类器

七、重要人物与论文

  1. Ian Goodfellow：2014年提出GAN

  2. CGAN论文：Conditional Generative Adversarial Nets（2014）

  3. CycleGAN论文：Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks（2017）

  4. WGAN论文：Wasserstein GAN（2017）

✅ 复习建议

  1. 熟记GAN基本结构：生成器、判别器、训练流程

  2. 理解CGAN与原始GAN的区别：条件输入、应用场景

  3. 掌握GAN常见问题与改进：模式崩溃、训练不稳定、WGAN改进

  4. 熟悉GAN在图像生成、翻译、防御等场景的应用

  5. 注意考试可能涉及的填空题：如“GAN由哪两部分组成”、“CGAN的输入包括什么”

🔤 GAN 填空题集

  1. GAN的全称是生成对抗网络，由生成器和判别器两部分组成。

  2. GAN的训练过程是交替训练，先固定生成器训练判别器，再固定判别器训练生成器。

  3. GAN的目标是达到纳什均衡，此时生成数据与真实数据难以区分。

  4. Conditional GAN（CGAN）在生成器的输入中增加了条件信息c，用于控制生成内容。

  5. CycleGAN用于无配对数据的域间转换，如将照片转换为梵高画风。

  6. GAN常见的训练问题是模式崩溃和梯度消失。

  7. WGAN使用Wasserstein距离作为损失函数，缓解了训练不稳定的问题。

  8. Defense-GAN通过生成器重构输入来防御对抗样本攻击。

  9. 在文本生成图像任务中，CGAN的判别器需要同时判断图像是否真实和是否与文本描述匹配。

  10. GAN是生成模型，判别模型如SVM是判别模型，两者在建模目标上不同。

❓ GAN 简答题集

1. 简述GAN的基本结构和训练过程。

  • 结构：生成器G从随机噪声生成数据，判别器D判断输入是真实数据还是生成数据。

  • 训练：

    1. 固定G，用真实数据和G生成的数据训练D，使其能区分真假。

    2. 固定D，用D的反馈训练G，使其生成更逼真的数据以“欺骗”D。

    3. 交替进行，直至达到纳什均衡。

2. 什么是Conditional GAN（CGAN）？它与原始GAN的主要区别是什么？

  • CGAN是条件生成对抗网络，在生成器和判别器的输入中加入条件信息（如文本标签）。

  • 区别：

    • 原始GAN输入仅为噪声z，CGAN输入为噪声z + 条件c。

    • CGAN可以控制生成内容，实现条件生成（如根据文字生成图像）。

3. 列举GAN在图像生成中的三个应用场景。

  • 图像生成（如人脸生成）

  • 图像翻译（如pix2pix）

  • 风格迁移（如CycleGAN）

4. GAN训练中常见的“模式崩溃”是什么？如何缓解？

  • 模式崩溃：生成器只生成少数几种样本，缺乏多样性。

  • 缓解方法：

    • 使用WGAN或WGAN-GP

    • 增加噪声输入多样性

    • 使用多样性正则化或多尺度训练

5. CycleGAN是如何实现无配对数据域间转换的？

  • 使用两个生成器（G: X→Y, F: Y→X）和两个判别器（D_X, D_Y）

  • 引入循环一致性损失：F(G(x)) ≈ x, G(F(y)) ≈ y

  • 无需配对数据，只需两个域的图像集合。

6. GAN在对抗样本防御中是如何工作的？（以Defense-GAN为例）

  • 训练生成器学习真实数据分布。

  • 对输入图像进行重构，去除对抗性噪声。

  • 将重构后的图像送入分类器进行分类，提高模型鲁棒性。

7. 为什么CGAN在文本生成图像任务中比传统监督学习方法更有效？

  • 传统监督学习方法容易生成模糊图像（多目标平均问题）。

  • CGAN通过判别器同时评估图像真实性和条件匹配性，避免模糊，生成更清晰、更符合描述的图像。

🧩 GAN 概念辨析题

1. 判别模型 vs 生成模型

  • 判别模型：直接建模 p(y∣x)p(y∣x)，如SVM、逻辑回归。

  • 生成模型：建模 p(x,y)p(x,y) 或 p(x∣y)p(x∣y)，如GAN、VAE。

2. GAN vs VAE

  • GAN：通过对抗训练生成逼真样本，但不直接建模数据分布。

  • VAE：通过编码-解码结构建模数据分布，生成样本可能较模糊。

3. 原始GAN vs WGAN

  • 原始GAN：使用交叉熵损失，训练不稳定。

  • WGAN：使用Wasserstein距离，缓解模式崩溃，训练更稳定。

4. CGAN vs 原始GAN

  • 原始GAN：无条件生成。

  • CGAN：条件生成，可控制输出内容。

✅ 复习建议

  1. 熟记填空题中的关键词，如“生成器”、“判别器”、“条件信息”、“纳什均衡”。

  2. 理解简答题中的机制与区别，能用自己的话描述GAN的训练、应用与问题。

  3. 注意概念辨析，尤其是判别模型与生成模型、GAN与VAE、原始GAN与CGAN/WGAN的区别。

  4. 结合图像生成、文本生成图像、风格迁移等应用场景理解GAN的实际价值。

如果需要，我可以继续提供GAN相关的选择题或图文题，帮助你更全面地备考。是否继续？

继续

以下是针对《第6章 深度学习5-GAN》的选择题与图文题集，结合课件内容与考试风格设计，帮助你更全面地备考：

🔘 GAN 选择题集

1. GAN中生成器（Generator）的主要作用是：

A) 判断输入图像是否为真实图像
B) 从随机噪声生成逼真图像
C) 对图像进行分类
D) 对图像进行降维
答案：B

2. 在GAN训练中，判别器（Discriminator）的目标是：

A) 生成尽可能真实的图像
B) 最大化对真实图像和生成图像的区分能力
C) 最小化生成图像的多样性
D) 学习数据分布
答案：B

3. Conditional GAN（CGAN）与原始GAN的主要区别在于：

A) CGAN使用两个生成器
B) CGAN在输入中加入条件信息
C) CGAN不需要判别器
D) CGAN只能用于文本生成
答案：B

4. 以下哪种GAN变体最适合实现“照片→梵高画风”的无配对转换？

A) WGAN
B) CycleGAN
C) Defense-GAN
D) CGAN
答案：B

5. 模式崩溃（Mode Collapse）是指：

A) 生成器生成过于多样的图像
B) 生成器只生成少数几种图像
C) 判别器无法区分真假图像
D) 训练过程中梯度爆炸
答案：B

6. WGAN的主要改进是：

A) 使用交叉熵损失函数
B) 引入条件信息
C) 使用Wasserstein距离缓解训练不稳定
D) 增加生成器层数
答案：C

7. Defense-GAN主要用于：

A) 生成对抗样本
B) 防御对抗样本攻击
C) 图像风格迁移
D) 文本生成图像
答案：B

8. 在CGAN的文本生成图像任务中，判别器需要评估：

A) 图像是否真实
B) 图像是否与文本描述匹配
C) 图像是否清晰
D) A和B
答案：D

9. GAN的训练过程是：

A) 同时训练生成器和判别器
B) 先训练生成器，再训练判别器
C) 交替训练生成器和判别器
D) 只训练生成器
答案：C

10. 以下哪个不是GAN的典型应用？

A) 图像超分辨率
B) 图像分类
C) 图像风格迁移
D) 对抗样本防御
答案：B

🖼️ GAN 图文题（结构理解）

1. 画出原始GAN的结构示意图，标注生成器（G）、判别器（D）、噪声输入（z）、真实数据（x）和输出（真假判断）。

text

示意图描述：

噪声 z → [生成器 G] → 生成图像 x̂
真实图像 x ────────────┐
                      ↓
               [判别器 D] → 输出：真/假概率

2. 画出CGAN在文本生成图像任务中的结构图，标注条件输入（c）、噪声输入（z）、生成图像、判别器输入与输出。

text

条件 c（文本）→ 
噪声 z → [生成器 G] → 生成图像 x̂
真实图像 x + 条件 c → [判别器 D] → 输出：是否真实 + 是否匹配

3. 画出CycleGAN的循环一致性结构图，标注两个生成器（G、F）、两个判别器（D_X、D_Y）和两个域的图像（X、Y）。

text

域 X → [生成器 G] → 域 Y → [生成器 F] → 重构域 X
      ↓                      ↑
   [判别器 D_Y]          [判别器 D_X]

📊 GAN 机制理解题（短问答）

1. 为什么GAN的训练容易出现不稳定？

  • 生成器和判别器的目标相互冲突，容易陷入动态平衡的震荡。

  • 梯度消失或爆炸问题。

  • 模式崩溃导致生成样本缺乏多样性。

2. WGAN如何缓解训练不稳定？

  • 使用Wasserstein距离替代交叉熵损失，提供更平滑的梯度。

  • 通过权重裁剪或梯度惩罚（WGAN-GP）约束判别器的Lipschitz连续性。

3. CycleGAN中的“循环一致性损失”是什么？为什么需要它？

  • 循环一致性损失是指：F(G(x)) ≈ x 和 G(F(y)) ≈ y。

  • 它确保图像在域间转换后能重构回原图，防止生成器忽略输入内容。

4. Defense-GAN是如何防御对抗样本的？简述其流程。

  • 训练生成器学习干净数据的分布。

  • 对输入图像进行重构，最小化与生成器输出的差异。

  • 将重构后的图像送入分类器，消除对抗性扰动的影响。

✅ 复习建议

  1. 选择题要掌握常见变体、问题与应用。

  2. 图文题要能画出结构图，理解信息流动路径。

  3. 机制理解题要能简述原理、问题与解决方案。

  4. 结合课件中的示例（如文本生成图像、CycleGAN风格迁移）理解实际应用。

三、训练流程分析题

题目4：GAN交替训练流程描述

题目：
请用伪代码描述GAN的一轮训练流程，包括：

  1. 采样真实数据 batch

  2. 采样噪声 batch

  3. 更新判别器

  4. 更新生成器

解答（伪代码）：

text

for epoch in range(num_epochs):
    # 步骤1：更新判别器D
    for k steps:  # 通常k=1或k>1
        采样真实数据 batch {x_i} from p_data
        采样噪声 batch {z_i} from p_z
        生成假数据 batch {G(z_i)}
        计算判别器损失 L_D
        使用梯度下降更新 D 的参数
        
    # 步骤2：更新生成器G
    采样噪声 batch {z_i} from p_z
    计算生成器损失 L_G
    使用梯度下降更新 G 的参数
题目5：CGAN文本生成图像训练样本构建

题目：
在CGAN用于文本生成图像时，判别器D的训练样本包括正样本和负样本。请分别说明：

  1. 正样本的构成

  2. 负样本的两种类型

解答：

  1. 正样本：真实的图像 + 对应的正确文本描述

  2. 负样本：

    • 类型1：生成的假图像 + 任意文本描述

    • 类型2：真实图像 + 错误的文本描述

四、综合应用题

题目6：用GAN实现手写数字生成的流程设计

题目：
假设你要用GAN生成MNIST手写数字图像，请设计：

  1. 生成器G的输入维度与结构简述

  2. 判别器D的输入与输出

  3. 训练过程中如何评估生成质量

解答：

  1. 生成器G：

    • 输入：100维噪声向量z

    • 结构：全连接层 → 上采样 → 卷积层 → 输出28×28×1图像

  2. 判别器D：

    • 输入：28×28×1图像

    • 输出：一个标量，表示图像为真的概率

  3. 评估方法：

    • 可视化生成图像

    • 使用Inception Score（IS）或Fréchet Inception Distance（FID）

    • 人工观察多样性与清晰度

题目7：Defense-GAN防御流程分析

题目：
给定一个被对抗样本攻击的图像 xadvxadv​，Defense-GAN通过以下步骤重构图像：

  1. 从噪声向量z出发，通过生成器G得到生成图像 G(z)G(z)

  2. 最小化 ∥G(z)−xadv∥2∥G(z)−xadv​∥2

  3. 将最优的 G(z∗)G(z∗) 送入分类器

请分析：

  1. 为什么这样做可以防御对抗攻击？

  2. 该方法的局限性是什么？

解答：

  1. 防御原理：

    • 对抗样本通常位于数据分布之外，但添加的扰动很小。

    • 通过生成器重构，将图像拉回到真实数据分布中，去除异常扰动。

  2. 局限性：

    • 重构可能丢失细节信息。

    • 对强攻击或大扰动防御效果有限。

    • 生成器必须很好地覆盖真实数据分布。

✅ 复习建议

  1. 掌握损失函数：理解原始GAN、CGAN、WGAN的损失函数形式与含义。

  2. 熟悉训练流程：能描述交替训练步骤，理解正负样本构建。

  3. 会设计简单GAN：能根据任务设计生成器与判别器结构。

  4. 理解防御机制：掌握Defense-GAN、对抗样本防御的基本原理。

# 人工智能 # 深度学习 # 生成对抗网络
Logo
DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

cover

机器人算法岗必考 SLAM！从理论到实操，根治建图漂移、闭环失效全方案

avatar DAMO开发者矩阵
cover

拆解 ROS2 全栈开发：DDS 分布式架构、实时调度、企业机器人落地完整实战

avatar DAMO开发者矩阵
cover

Nvidia联合多所大学首个能自我Debug、经验传代的机器人框架ASPIRE来了！

avatar DAMO开发者矩阵