يقوم نموذج VAE الخاص بك بإنشاء أرقام جديدة
لماذا هذا مهم كل قطعة جاهزة: mu و logvar الخاصين بـ encoder، وطريقة العينة عبر، وخسارة إعادة البناء و KL. ضعها في خطوة تدريب واحدة وستحصل على نموذج ينشئ أرقاماً لم يرسمها أحد.
خطوة واحدة من التدريب، بالكلمات:
- ترميز دفعة:
mu, logvar = model.encode(E.T(x)). - ارسم eps من N(0, 1) بشكل mu، واكتب الكود باستخدام reparameterisation الخاص بك.
- قم بفك تشفير الكود إلى درجات البكسل:
model.decode_logits(code). - Loss =
E.bce_with_logits(scores, x)+E.kl_to_standard(mu, logvar)(نسخة محرك المنزل من KL الخاص بك). - للخلف، ثم
opt.step().
ثم احكم عليه بنفس الحكم السابق: التقارب وتنوع 500 رقم جديد مستخرجة من N(0, 1). سيكون خطأ إعادة البناء أسوأ من خطأ autoencoder (حوالي 0.03 مقابل 0.008). هذا هو ثمن pull 2، وهو يشتري لك مساحة كود يمكنك أخذ عينات منها.
الكلمات والرموز في هذا الدرس
- autoencoder
- مشفر يضغط صورة إلى بضعة أرقام ومفكك شفرة يعيد بناءها
- كود (كامِن)
- الأرقام القليلة التي ينتجها encoder من صورة واحدة
- VAE
- variational autoencoder: هو autoencoder يتم سحب الرموز الخاصة به لملء N(0, 1)، بحيث يتم فك تشفير الرموز العشوائية إلى صور جديدة
- mu, logvar
- المركز ولوغاريتم التباين المربع لرقم كود في VAE
- إعادة التوصيف
- code = mu + exp(logvar / 2) x eps، مع سحب eps أولا، لذا تصل التدرجات إلى mu و logvar
- القرب، التنوع
- حكم الدورة: المسافة إلى أقرب رقم حقيقي، وبتات الانتشار عبر الأرقام العشرة
اكتب جسم حلقة التدريب (600 خطوة من 256 صورة). يجب أن تجتاز الاختبارات التالية: خطأ إعادة البناء تحت 0.035، أرقام جديدة بقرب لا يزيد عن 1.30 وتنوع لا يقل عن 3.0، و3 أرقام كود نشطة على الأقل. استخدم حلقتك الخاصة: gen.train_vae غير مسموح به هنا.
سيفتح هذا التمرين قريبا
أنهِ الدرس السابق ليفتح هذا الدرس. الدورة كاملة مجانية، ولا تحتاج إلى حساب، ويمكنك قراءة هذا الدرس الآن.
يقوم هذا المتصفح بحظر ملفات تعريف الارتباط لـ learn.floati.life، لذا لا يمكن فتح الدروس التي أنهيتها هنا بالترتيب. اسمح بملفات تعريف الارتباط لهذا الموقع وأعد التحميل.