回答情况：
提问时间：
问题标签：
1回答
变分自动编码器(VAE)本身就是一个相当复杂的概念。不出所料，大多数帖子、评论和教程都集中在理论和架构上，但大多数也没有解决数据缩放的主题。在实验VAE时，我遇到了一个(对我来说)令人惊讶的阅读标记，即将数据缩放到VAE的方式非常重要，我无法理解它的解释是什么。要可视化描述以下问题，请在此处访问笔记本：https://github.com/mobias17/VAE-Input-Scaling/blob/master/VAE%20Inpu
浏览 24提问于2019-03-21得票数 2
1回答
我正在构建一个VAE，我看到了一些架构，我做了一个编码器模型，一个解码器模型，然后VAE加入了它们，但当编译VAE时，它给了我一个错误 z_mean, z_log_var, z_sample)
decoder = Model(latent_input, y)
vae =Model(vae_input, decoder(encoder
浏览 2修改于2019-03-28得票数 0
这些公式是：def vae_loss_function(x, x_pred, mu, sigma, kl_weight=0.0005): return vae_loss
我试着找出我应该使用哪种方法，但我找不到类似的例子。
浏览 6提问于2020-05-05得票数 0
回答已采纳
1回答
我试着训练一个VAE来生成celebA人脸。 self.decoder_output = x
return Model(decoder_input, self.decoder_output, name="
浏览 0修改于2020-05-21得票数 2
回答已采纳
1回答
x_batch_train in enumerate(train_dataset): reconstructed = vaereconstruction loss loss += sum(vae.losses
浏览 4提问于2022-06-30得票数 0
所以我一直在用这个例子来表示卷积vae，这里是mnist：
----> 1 vae.predict(mnist_digitstf.keras.Model.call()`: if you '
NotI
浏览 14修改于2022-05-05得票数 0
回答已采纳
1回答
相对于自然生成模型，这个vae的输入是一个RGB图像。在这里，如果我使用self.combined方法编译add_loss，损失在15000到-22000之间。使用mse编译很好。'binary_crossentropy',optimizer = optimizer) encoder = vae.infer
浏览 2提问于2020-02-12得票数 0
回答已采纳
假设使用mnist数据训练变分自动编码器(VAE)。抽样，从正态分布中提取。我的问题是:假设我只想生成1s，而不生成其他数字。我怎么能做到呢？我采样直到生成一个1，然后继续从那个点附近取样吗？或者有没有一种更有控制的方法来告诉VAE要生成什么数字？谢谢理想的编码器将接受任何输入并生成来自\mathcal{N}(0,1)的示例。
浏览 0修改于2021-04-20得票数 0
回答已采纳
这里的代码：具体而言，第53行：为什么交叉熵乘以original_dim？另外，这个函数是否只计算批处理维度的交叉熵(我注意到没有axis输入)？很难从文件中看出..。
浏览 0提问于2018-04-23得票数 1
回答已采纳
我正在尝试将PyTorch VAE转换为onnx，但我得到了：torch.onnx.symbolic.normal does not exist 问题似乎是由reparametrize()函数引起的：Node: %173 : Float(1, 20) = aten::normal(%169, %170, %171, %172), scope: VAE Invoked with: %137 : Tensor = onnx::RandomNormal(), scope: VAE</e
浏览 111修改于2019-02-15得票数 0
回答已采纳
下面是我的代码当前的样子： def __init__(self, encoder, decoder, **kwargs):
super(VAE, self).
浏览 9提问于2022-07-26得票数 0
回答已采纳
1回答
我试图建立一个2阶段的VAE 2+ PixelCNN，如论文所示：“用VAE 2生成多样化的高可信度图像”()。我有三个执行问题：
本文提到的：我们允许层次结构中的每个级别分别依赖于像素。我理解VAE 2中的第二个潜在空间必须以第一个潜在空间的级联和图像的下采样版本为条件。是这样吗？
浏览 0提问于2020-03-27得票数 2
回答已采纳
2回答
假设我有一个数据集D = \{a_1,a_2,a_3,...a_n\}，我在它上训练一个基本的变分自动编码器(VAE) (由非线性分隔的两个完全连接的层)。
浏览 0修改于2018-10-16得票数 3
decoder_input, x)
z_decoded = decoder(z)
vae = Model(input_img, z_decoded) # vae = Model(input_img, x)
vae.compile(optimizer='rmsprop', loss=vae_loss)
浏览 2提问于2018-11-11得票数 1
1回答
我不明白的是，如何计算VAE (潜空间向量和N(0,1) )中的KL散度，正如许多教程中所述。
潜空间向量不是随机变量的向量。它是输入、权值、偏差和激活函数的乘积向量。
浏览 0提问于2018-12-10得票数 0
回答已采纳
我在Tensorflow for MNIST dataset中试验了一个VAE实现。首先，我训练了一个基于MLP编码器和解码器的VAE。它训练得很好，损失减少，并产生看似合理的数字。以下是这个基于MLP的VAE的解码器代码：x = tf.layers.dense(x, 200, tf.nn.relu)
x = tf.layers.dense(x, 200
浏览 22修改于2018-09-04得票数 2
回答已采纳
我是机器学习方面的新手，并使用以下代码在MNISET数据集上创建一个示例VAE# All= Model(inputs=inputs, outputs=output) vae.compile(loss='binary_crossentropy', optimizer='rmsprop')
return vae</em
浏览 5提问于2019-12-05得票数 0
回答已采纳
我正在开发一个VAE，使用的是： decoder = keras.Model(inputs, outputs, name='decoder') return decoderclass VAE(keras.Model):
def __init__(
浏览 15修改于2022-03-28得票数 1
回答已采纳
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号