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:
- یک دسته را رمزگذاری کنید:
mu, logvar = model.encode(E.T(x)). - eps را از N(0, 1) با شکل mu بکشید و کد را با بازپارامتری خودتان بسازید.
- کد را به امتیازهای پیکسل رمزگشایی کنید:
model.decode_logits(code). - زیان =
E.bce_with_logits(scores, x)+E.kl_to_standard(mu, logvar)(نسخهٔ موتور دوره از KL شما). - 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
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.
این مرورگر کوکیهای learn.floati.life را مسدود میکند، پس درسهایی که اینجا تمام کردید نمیتوانند به ترتیب باز شوند. کوکیها را برای این سایت مجاز کنید و صفحه را دوباره بارگذاری کنید.