سرفصل‌ها درس 173 از 246 · ماژول 15: فشردن، بازسازی، تولید (خودرمزگذارها و VAEها)
ماژول 15: فشردن، بازسازی، تولید (خودرمزگذارها و VAEها)

VAE شما رقم‌های تازه می‌سازد

چرا مهم است همهٔ تکه‌ها آماده‌اند: mu و logvar رمزگذار، ترفند نمونه‌گیری از میانش، زیان بازسازی و KL. آن‌ها را در یک گام آموزش بگذارید و مدلی دارید که رقم‌هایی می‌سازد که هیچ‌کس نکشیده است.

یک گام آموزش، به زبان ساده:

  1. یک دسته را رمزگذاری کنید: mu, logvar = model.encode(E.T(x)).
  2. eps را از N(0, 1) با شکل mu بکشید و کد را با بازپارامتری خودتان بسازید.
  3. کد را به امتیازهای پیکسل رمزگشایی کنید: model.decode_logits(code).
  4. زیان = E.bce_with_logits(scores, x) + E.kl_to_standard(mu, logvar) (نسخهٔ موتور دوره از KL شما).
  5. رو به عقب، سپس opt.step().

سپس آن را با همان داور قبلی داوری کنید: نزدیکی و تنوع 500 رقم تازه کشیده‌شده از N(0, 1). خطای بازسازی بدتر از خودرمزگذار خواهد بود (حدود 0.03 در برابر 0.008). این بهای کشش 2 است و فضای کدی می‌خرد که می‌توانید از آن نمونه بگیرید.

واژه‌ها و نمادهای این درس
خودرمزگذار
یک رمزگذار که یک تصویر را در چند عدد می‌فشارد و یک رمزگشا که آن را دوباره می‌سازد
کد (نهفته)
چند عددی که رمزگذار از یک تصویر می‌سازد
VAE
خودرمزگذار تغییراتی: خودرمزگذاری که کدهایش کشیده می‌شوند تا N(0, 1) را پر کنند، تا کدهای تصادفی به تصاویر تازه رمزگشایی شوند
mu، logvar
مرکز و لگاریتم مربع پراکندگی یک عدد کد در یک VAE
بازپارامتری
code = mu + exp(logvar / 2) x eps، با eps که اول کشیده می‌شود، تا گرادیان‌ها به mu و logvar برسند
نزدیکی، تنوع
داور دوره: فاصله تا نزدیک‌ترین رقم واقعی، و بیت‌های پخش روی ده رقم
نوبت شما

بدنهٔ حلقهٔ آموزش (600 گام از 256 تصویر) را بنویسید. با این‌ها قبول می‌شوید: خطای بازسازی آزمون زیر 0.035، رقم‌های تازه با نزدیکی حداکثر 1.30 و تنوع دست‌کم 3.0، و دست‌کم 3 عدد کد فعال. از حلقهٔ خودتان استفاده کنید: gen.train_vae اینجا ممنوع است.

مشکلی در این درس دیدید؟ گزارشش کنید · دربارهٔ این درس بپرسید

این تمرین به‌زودی باز می‌شود

درس پیش از آن را تمام کنید تا این یکی باز شود. کل دوره رایگان است، حساب کاربری لازم نیست، و می‌توانید همین الان این درس را بخوانید.