GAN可视化工具——GAN Lab介绍

GAN Lab: An Interactive, Visual Experimentation Tool for Generative Adversarial Networks

一、GAN Lab介绍

GAN Lab是谷歌开发的一款开源的GAN可视化工具，使用GAN Lab不需要安装过程、不需要深度学习库PyTorch或TensorFlow等、也不需要专门硬件GPU，通过网页浏览器（推荐 Chrome内核浏览器）就可以打开，网址为： https://poloclub.github.io/ganlab/

如果对源码感兴趣，可访问github网站： https://github.com/poloclub/ganlab/。

网站界面如下：

二、GAN Lab组成部分

GAN Lab主要由三部分组成，分别是：MODEL OVERVIEW GRAPH、LAYERED DISTRIBUTIONS和METRICS。其中MODEL OVERVIEW GRAPH将GAN模型可视化为图片，展示了GAN的基本结构、数据流，将输入输出数据进行了可视化；LAYERED DISTRIBUTIONS可视化了真实样本、生成器生成样本、生成器梯度等内容；METRICS记录了迭代训练过程中的分布距离的度量。分别在网页左、中、右显示。

三、GAN Lab训练步骤 3.1 选择数据分布

首先需要选择数据分布，可以在左上角选择数据分布，也可以自定义数据分布。 这里我选择圆形的数据分布：

3.2 模型参数设置

为了画面简洁，一些模型参数的调整按钮是被隐藏的，若要将其完全显示出来，请务必将MODEL OVERVIEW GRAPH旁的编辑按钮点亮为黄色。 点击后可以设置相应参数：

3.3 开始训练

把模型的结构、参数等信息设置完成后，即可在界面上方的控制台控制模型的训练过程。

• 第一个按钮Reset the model表示将模型完全重置，可重新设置参数；

• 第二个按钮Run/Pause training表示开始/暂停训练过程，训练过程可视化内容在不同的更新，同时数据流也会被展示出来。

• 第三个按钮Slow-motion mode表示进入慢动作模式，将其点亮为黄色后，GAN的运行流程可分步骤展示出来，在MODEL OVERVIEW GRAPH页面，只有当前步骤涉及到的节点和数据流会被明确展示出来，其他部分虚化显示，有助于理解GAN正向计算和反向传播运算流程，如下图所示分别为判别器和生成器的慢动作模式：

• 第四个按钮Train for one epoch可用于控制训练的节奏，即只训练一次，将其点亮为黄色后，可选择只训练一次Generator，或只训练一次Discriminator，或两者都分别训练一次Both，每点击一次都会进行一个epoch训练。

• 最后的epoch记录了目前为止模型的迭代训练次数。

3.4 模型评价

在METRICS部分，记录了生成器和判别器的损失，同时还记录了两个分布的KL散度和JS散度（这里是通过网格化来计算），如下图所示。

四、演示示例

来看一下陈的生成示例：