GAN generativa

Objetivo

Generar prendas a partir de imágenes reales de Fashion-MNIST.

Dataset real

• Dataset: fashion_mnist
• Fuente: Torchvision / Zalando Research
• Referencia: https://github.com/zalandoresearch/fashion-mnist
• Licencia/condiciones: MIT
• Uso: los datos se descargan desde la fuente; no hay ejemplos sintéticos ni archivos inventados.

No usa anillos ni puntos inventados; entrena con prendas reales etiquetadas.

Fundamento matemático

min_G max_D E[log D(x)] + E[log(1-D(G(z)))].

Protocolo experimental

1. Descargar y verificar la procedencia.
2. Conservar o crear una partición reproducible.
3. Ajustar transformaciones únicamente con train.
4. Seleccionar modelo e hiperparámetros usando validation.
5. Evaluar test una sola vez tras congelar la decisión.
6. Comparar con la línea base: PCA generativa y distribución real de referencia.
7. Guardar configuración, entorno, métricas, predicciones, gráficos y modelo.

Ejecución

python labs/08_gan_generation/train.py --quick
python labs/08_gan_generation/train.py --config improved

Preparar únicamente el dataset:

python -m neural_labs.cli dataset --lab 08_gan_generation

Inferencia y exportación:

neural-labs predict --lab 08_gan_generation --run latest --input sample.json
neural-labs export --lab 08_gan_generation --run latest --format onnx --verify

Métricas

generator_loss, discriminator_loss, mmd_rbf, diversity, nearest_real_distance, moment_distance.

Archivos

• notebook.ipynb: recorrido completo y ejecutable.
• notebook_student.ipynb: actividades evaluables sin soluciones.
• notebook_solution.ipynb: resolución docente y pruebas de referencia.
• train.py: interfaz de terminal que usa el mismo código del cuaderno.
• configs/baseline.yaml: configuración base.
• configs/improved.yaml: configuración ampliada.
• data/dataset.yaml: procedencia, licencia y política de partición.

Ejercicios

• Cambiar una decisión experimental y justificarla.
• Analizar errores por clase o segmento.
• Comparar costo, precisión y latencia.
• Documentar sesgos, limitaciones y usos no recomendados.

Material formativo v3

• theory.md: fundamento, protocolo y riesgos de interpretación.
• experiments.md: hipótesis, variables controladas y tabla multi-semilla.
• assessment.md: preguntas y rúbrica de evaluación.
• lesson.yaml: resultados de aprendizaje, prerrequisitos y entregables.

Comandos profesionales

neural-labs quality --lab 08_gan_generation --quick
neural-labs benchmark --lab 08_gan_generation --quick --split-seed 42 --training-seeds 41 42 43
neural-labs leaderboard

Sellado del experimento

La partición se controla con split_seed; la inicialización y el entrenamiento con training_seed. El conjunto test se abre solamente después de seleccionar el checkpoint mediante validación y escribir experiment.lock.json.

🧠 Teoría

Teoría — GAN generativa

Propósito

Generar prendas a partir de imágenes reales de Fashion-MNIST.

Idea central

Este laboratorio estudia aprendizaje adversarial generativo usando fashion_mnist, un dataset público real procedente de Torchvision / Zalando Research.

Una red generativa adversarial (GAN) plantea el aprendizaje como un juego entre dos redes con objetivos opuestos. El generador G toma ruido aleatorio z y trata de producir imágenes que parezcan prendas reales. El discriminador D es un clasificador que recibe una imagen y estima la probabilidad de que sea real (proveniente del dataset) y no falsa (generada por G). Ambos se entrenan a la vez: D mejora en distinguir real de falso, y G mejora en engañar a D. La metáfora habitual es la del falsificador (G) y el detective (D): cada uno fuerza al otro a mejorar, y en el equilibrio ideal el falsificador produce prendas indistinguibles de las auténticas.

Lo elegante es que G nunca ve las imágenes reales directamente ni recibe una pérdida de reconstrucción píxel a píxel; aprende solo a través del gradiente que le pasa D. En vez de decirle a G "copia esta imagen", D le dice "esto todavía se nota falso por aquí", y ese señal guía a G hacia la variedad de imágenes plausibles. Este laboratorio usa una DCGAN (GAN convolucional profunda), donde G usa convoluciones transpuestas para expandir el ruido hasta una imagen de 28×28 y D usa convoluciones para clasificarla; esta receta convolucional es la que estabilizó el entrenamiento de GANs sobre imágenes.

Fundamento matemático

El objetivo original es un juego minimax de suma cero sobre el valor V(D, G):

min_G max_D  V(D, G) = 𝔼_{x∼p_data}[ log D(x) ] + 𝔼_{z∼p_z}[ log(1 − D(G(z))) ]

Leámoslo por partes. El discriminador D quiere maximizar V: para muestras reales x quiere D(x) → 1 (así log D(x) → 0, su máximo), y para muestras falsas G(z) quiere D(G(z)) → 0 (así log(1 − D(G(z))) → 0). El generador G quiere minimizar V respecto al segundo término: busca que D(G(z)) → 1, es decir, engañar a D. z se muestrea de una distribución simple p_z (típicamente 𝒩(0, I)) y G la transforma en la distribución generada p_g. El entrenamiento alterna pasos: se congela G y se da un paso de ascenso de gradiente en θ_D, luego se congela D y se da un paso de descenso en θ_G.

¿Por qué este juego produce imágenes realistas? Goodfellow et al. probaron que, para un G fijo, el discriminador óptimo es D(x) = p_data(x) / (p_data(x) + p_g(x)). Sustituyendo D en V, el objetivo de G se vuelve equivalente a minimizar la divergencia de Jensen–Shannon entre la distribución real p_data y la generada p_g (salvo constantes): min_G V = 2·D_JS(p_data ‖ p_g) − log 4. El mínimo global se alcanza cuando p_g = p_data, es decir, cuando el generador reproduce exactamente la distribución de las prendas reales y D no puede hacer mejor que responder ½ en todo. Ese es el sentido preciso de "generar imágenes indistinguibles".

En la práctica, el término log(1 − D(G(z))) tiene gradiente casi nulo justo cuando G es malo (al inicio, D lo detecta con facilidad), así que se suele entrenar G maximizando 𝔼_z[ log D(G(z)) ] —el truco del "gradiente no saturante"— que apunta al mismo óptimo pero da señal fuerte desde el principio. Conectando con los cuatro elementos: la representación de entrada es el vector de ruido z para G y la imagen (28×28) para D; la función del modelo son las dos redes convolucionales G y D; la función de pérdida es la entropía cruzada binaria derivada de V (una para D, otra para G); y la regla de actualización son los dos pasos de gradiente alternados θ_D ← θ_D + η ∇{θ_D} V y θ_G ← θ_G − η ∇ V. El notebook muestra las dimensiones de los tensores en cada capa y conserva la misma implementación que el script de terminal.

El riesgo técnico característico es el colapso de modos (mode collapse): G descubre unas pocas imágenes que engañan a D y las produce siempre, perdiendo diversidad aunque la pérdida parezca buena. Por eso este laboratorio no se conforma con las curvas de pérdida y mide diversidad, distancia al vecino real más cercano y discrepancia de momentos: distinguir diversidad real de ruido visual o de un puñado de prototipos repetidos es exactamente el reto de evaluar una GAN.

Protocolo científico

• Ajustar transformaciones, vocabulario, normalización y selección de variables solo con train.
• Usar validation para arquitectura, hiperparámetros, checkpoint y umbrales.
• Evaluar test una vez, después de congelar las decisiones.
• Comparar contra PCA generativa y distribución real de referencia.
• Reportar variación entre semillas e intervalos de confianza; una métrica puntual no expresa toda la incertidumbre.

Riesgos de interpretación

No usa anillos ni puntos inventados; entrena con prendas reales etiquetadas.

El dataset refleja su proceso de recolección y no representa automáticamente otros períodos, países o poblaciones. Una asociación predictiva no demuestra causalidad.

Pregunta crítica

¿Cómo se distingue diversidad real de ruido visual?

Las referencias apuntan a las obras; no se reproduce su contenido, la redacción es original.

🔗 Referencias

• Foster — Generative Deep Learning (2.ª ed., O'Reilly) — tratamiento práctico de GANs, DCGAN y evaluación de modelos generativos.
• Goodfellow, Bengio & Courville — Deep Learning (MIT Press, 2016), cap. 20 — modelos generativos profundos y fundamentos del marco adversarial.
• Goodfellow et al. (2014), Generative Adversarial Nets, NeurIPS — formulación original del juego minimax y prueba del óptimo p_g = p_data.
• Radford, Metz & Chintala (2016), Unsupervised Representation Learning with Deep Convolutional GANs (DCGAN), ICLR — arquitectura convolucional que estabilizó el entrenamiento de GANs sobre imágenes.
• Fuente del dataset: https://github.com/zalandoresearch/fashion-mnist
• Consulte docs/experiment-protocol.md, docs/reproducibility.md y docs/ethics-and-licenses.md.

🔬 Experimentos

Plan de experimentos — GAN generativa

Hipótesis principal

Generar prendas a partir de imágenes reales de Fashion-MNIST. La hipótesis debe aceptarse o rechazarse comparando el modelo con PCA generativa y distribución real de referencia y no solo observando que la pérdida disminuye.

Experimento mínimo

1. Ejecutar baseline.yaml con tres semillas.
2. Ejecutar improved.yaml con las mismas semillas.
3. Mantener fija la partición de datos dentro de cada semilla.
4. Elegir la variante con validation.
5. Comparar la variante elegida contra la línea base en test.
6. Revisar intervalos de confianza, errores y costo computacional.

Experimento específico

Vigilar colapso de modos y estabilidad.

Variables controladas

• Dataset y política de partición.
• Semillas declaradas.
• Presupuesto de épocas y criterio de parada.
• Métrica de selección: generator_loss o la especificada en la configuración.
• Hardware y versiones registradas en environment.json.

Tabla que debe completarse

Criterio de conclusión

La conclusión debe declarar magnitud de la mejora, incertidumbre, costo adicional, errores relevantes y condiciones bajo las cuales el resultado podría no repetirse.

📝 Evaluación

Evaluación — GAN generativa

Evidencias obligatorias

• Dataset preparado y auditoría sin solapamientos.
• Notebook ejecutado sin celdas omitidas.
• Línea base y modelo neuronal comparados.
• Resultados de al menos tres semillas o justificación del costo.
• Análisis de errores y limitaciones.
• Model card actualizada.

Preguntas

1. Explique con sus palabras: min_G max_D E[log D(x)] + E[log(1-D(G(z)))].
2. ¿Qué información del dataset solo puede utilizarse durante entrenamiento?
3. ¿Por qué la línea base PCA generativa y distribución real de referencia es una comparación razonable?
4. ¿Cómo se distingue diversidad real de ruido visual?
5. ¿Qué cambiaría antes de usar este modelo fuera del laboratorio?

Rúbrica

La aprobación exige al menos 70% y cero errores críticos de fuga de datos.