变分自动编码器中的隐变量图

Question

我跟踪了本Keras文档指南关于自动编码器。

在文档的末尾，有潜在变量z的图表：

但我无法理解和如何解读情节，如何将情节作为模型的超参数变化？

Answer 1

正如Nikos在一篇评论中所说的，这是一个显示潜在变量空间中不同类(数字)的图表。

首先要指出的是:从可视化设计的角度来看，我认为作者错误地使用了颜色的梯度，对于每一个数字，它应该是一个完全不同的颜色:在这里，数字是一个范畴变量，它们之间没有顺序的概念。这是误导性的，因为图的读者自然会期望渐变中的一些逻辑，但是没有。

空间本身是不可解释的，因为X和Y上的值没有意义(对于人)。然而，这个图可以告诉您的是，两个类有多接近或有多明显:理想情况下，不同的类是相当不同的，这意味着模型在分离它们方面是成功的。

不幸的是，由于我上面提到的错误，很难在这张图中清楚地看到事物，但是如果我正确地看到颜色，有几件事情是可以观察到的：

• 1是右上角那个紫色的大东西，它和其他的大部分不同。
• 0是左上角较小的深紫色组，也很明显。

其他数字之间的混合程度要高得多，很难看到：

• 很明显，9(黄色)在中间的每一个地方都有一些分布，还有7分(我想呢？)中间:这意味着模型有时可能会混淆7和9(这很有道理:手写的7和9可以具有相同的形状)。
• 6似乎是一个非常薄的绿色东西，它最接近0，我可以想象这两者的形状是相似的。

我的眼睛不是那么好，所以也许我犯了一些错误，但我希望你能看到这个想法。

基本上，不同的类/颜色在图上分离得越好，模型就越好，所以您应该能够看到一些非常好的超参数和一些非常糟糕的参数之间的一些差异。但是，在这方面依靠图表是没有意义的:一个好的旧的评估尺度(或混淆矩阵)要精确得多。