हर code पर दो खिंचाव (इसे देखें)
यह क्यों मायने रखता है इलाज है codes से एक जाने-पहचाने आकार में जगह भरवाना, ताकि उस आकार के बेतरतीब बिंदु वहाँ उतरें जहाँ decoder ने बनाना सीखा है। एक variational autoencoder (VAE) यह हर code पर दो खिंचावों से करता है।
पहले दृश्य देखें। हर अक्षर एक test अंक है, वहाँ बनाया जहाँ उसकी 2 code संख्याएँ उसे रखती हैं, ख़ुद अंक के रूप में; 7 रंग में हैं ताकि आप एक समूह का पीछा कर सकें।
- खिंचाव 1, अच्छे से फिर बनाएँ: अलग अंकों के codes अलग रहने चाहिए, नहीं तो decoder उन्हें अलग नहीं बता सकता।
- खिंचाव 2, केंद्र के पास रहें: हर code केंद्र की ओर खींचा जाता है और थोड़ा धुँधला किया जाता है (एक छोटा बादल, बिंदु नहीं), ताकि codes केंद्र के आस-पास घंटी वक्र N(0, 1) को बिना ख़ाली जगहों के भरें।
Sampling का मतलब तब है: N(0, 1) से एक बिंदु निकालें और उसे decode करें। क्योंकि codes वह क्षेत्र भरते हैं, बिंदु कहीं ऐसी जगह उतरता है जो decoder जानता है।
VAE में encoder हर code संख्या पर दो चीज़ें देता है: एक केंद्र mu और एक फैलाव, logvar के रूप में लिखा (squared फैलाव का log, जो कोई भी संख्या हो सकती है)। code N(mu, spread) से एक निकाला मान है। gen.train_vae एक train करता है; rebuild_weight और weight हर खिंचाव की ताक़त तय करते हैं।
पहले अनुमान लगाएँ: अगर आप खिंचाव 2 हटाएँ, codes का क्या होता है? अगर आप खिंचाव 1 हटाएँ?
इस पाठ के शब्द और चिह्न
- autoencoder
- एक encoder जो एक तस्वीर को कुछ संख्याओं में दबाता है और एक decoder जो उसे फिर बनाता है
- code (latent)
- वे कुछ संख्याएँ जो encoder एक तस्वीर से बनाता है
- VAE
- variational autoencoder: एक autoencoder जिसके codes N(0, 1) भरने के लिए खींचे जाते हैं, ताकि बेतरतीब codes नई तस्वीरों में decode हों
- mu, logvar
- एक VAE में एक code संख्या का केंद्र और उसके squared फैलाव का log
दोनों हटाने के लिए guess को "spread out", "all at the centre" या "no change" में से एक पर सेट करें। फिर तीन 2-संख्या VAEs train करें (browser में हर एक एक-दो second) और हर एक के लिए spread को केंद्र से test codes की औसत दूरी से, और noise को औसत फैलाव exp(logvar / 2) से भरें।
इस पाठ में कोई समस्या दिखी? बताएँ · इस पाठ के बारे में पूछें
यह अभ्यास जल्द खुलेगा
इससे पहले वाला पाठ पूरा करें और यह खुल जाएगा। पूरा कोर्स मुफ़्त है, कोई खाता नहीं चाहिए, और आप यह पाठ अभी पढ़ सकते हैं।
यह ब्राउज़र learn.floati.life के लिए कुकी रोक रहा है, इसलिए यहाँ पूरे किए गए पाठ क्रम से नहीं खुल सकते। इस साइट के लिए कुकी की अनुमति दें और फिर से लोड करें।