Dua tarikan pada setiap kode (Lihatnya)
Kenapa ini penting Solusinya adalah membuat kode mengisi ruang dalam bentuk yang diketahui, supaya titik acak dari bentuk itu mendarat di tempat yang sudah dipelajari decoder untuk digambar. Sebuah variational autoencoder (VAE) melakukannya dengan dua tarikan pada setiap kode.
Tonton adegannya dulu. Setiap karakter adalah satu digit tes, digambar di tempat 2 kode angka menempatkannya, sebagai digit itu sendiri; angka 7 berwarna supaya kamu bisa mengikuti satu grup.
- Tarik 1, bangun ulang dengan baik: kode dari digit yang berbeda harus terpisah, atau decoder tidak bisa membedakannya.
- Tarik 2, tetap di dekat pusat: setiap kode ditarik ke arah pusat dan dibuat sedikit kabur (awan kecil, bukan titik), jadi kode mengisi kurva lonceng N(0, 1) di sekitar pusat tanpa celah.
Sampling kemudian berarti: ambil titik dari N(0, 1) dan dekode itu. Karena kode mengisi wilayah tersebut, titik mendarat di tempat yang diketahui decoder.
Di VAE, encoder memberikan dua hal per nomor kode: pusat mu dan sebaran, ditulis sebagai logvar (log dari kuadrat sebaran, yang bisa berupa angka apa saja). Kode adalah hasil pengambilan dari N(mu, spread). gen.train_vae melatih satu; rebuild_weight dan weight mengatur kekuatan setiap tarikan.
Prediksi dulu: kalau kamu hapus pull 2, apa yang terjadi pada kode? Kalau kamu hapus pull 1?
Kata dan simbol di pelajaran ini
- autoencoder
- an encoder yang mengecilkan gambar menjadi beberapa angka dan decoder yang membangunnya kembali
- kode (tersembunyi)
- beberapa angka yang dibuat encoder dari satu gambar
- VAE
- variational autoencoder: autoencoder yang kode-kodenya ditarik untuk mengisi N(0, 1), jadi kode acak didekode menjadi gambar baru
- mu, logvar
- pusat dan log dari kuadrat penyebaran sebuah nomor kode dalam sebuah VAE
Atur guess untuk kedua penghapusan ke salah satu dari "spread out", "all at the centre" atau "no change". Lalu latih tiga VAE 2-number (satu atau dua detik masing-masing di browser) dan isi spread dengan rata-rata jarak kode tes dari pusat, dan noise dengan rata-rata sebaran exp(logvar / 2), untuk masing-masing.
Ada masalah di pelajaran ini? Laporkan · Tanya tentang pelajaran ini
Latihan ini akan segera dibuka
Selesaikan pelajaran sebelumnya agar pelajaran ini terbuka. Seluruh kursus ini gratis, tidak butuh akun, dan kamu bisa baca pelajaran ini sekarang.
Browser ini memblokir cookie untuk learn.floati.life, jadi pelajaran yang sudah kamu selesaikan di sini tidak bisa dibuka berurutan. Izinkan cookie untuk situs ini dan muat ulang.