为什么在卷积VAE中展平最后一个编码层？

Question

我是深度学习游戏中的新手，我想知道为什么我们在VAE中展平编码器的最后一层，然后将展平的输出提供给线性层，然后线性层近似先验的位置和比例参数？我们不能只拆分卷积层的输出并直接从这里获得位置和比例吗，或者卷积捕获的空间信息会混淆比例和位置吗？

非常感谢!

Answer 1

为什么我们要展平VAE中编码器的最后一层？

除了方便打印或报告之外，没有什么好的理由。如果在展平编码器之前，编码器的形状是BatchSize,2,2,32，将其展平为BatchSize,128就可以方便地列出每个样本的所有128个编码值。当解码器随后将其重塑为BatchSize时，2，2，32所有空间信息都被放回原来的位置。没有空间信息丢失。

当然，可以决定使用经过训练的VAE的编码器作为图像特征提取器。当我们有很多未标记的图像来训练VAE时，这实际上是非常有用的，但只有几个标记的图像。在大的未标记图像集上训练VAE后，编码器有效地成为特征提取器。然后我们可以将特征提取器输入到一个密集的层中，该层的目的是学习标签。在这种情况下，让编码器输出扁平化的数据集是非常有用的。