Je VAE maakt nieuwe cijfers
Waarom dit ertoe doet Elk stuk is klaar: de mu en logvar van de encoder, de truc om te samplen, de rebuild loss en de KL. Zet ze in één training step en je hebt een model dat cijfers maakt die niemand tekende.
Eén stap van training, in woorden:
- Codeer een batch:
mu, logvar = model.encode(E.T(x)). - Trek eps uit N(0, 1) met de vorm van mu, en maak de code met jouw reparameterisatie.
- Decode de code naar pixel scores:
model.decode_logits(code). - Loss =
E.bce_with_logits(scores, x)+E.kl_to_standard(mu, logvar)(de versie van je KL door de house engine). - Achteruit, dan
opt.step().
Beoordeel het dan met dezelfde rechter als voorheen: de nabijheid en variëteit van 500 nieuwe cijfers getrokken uit N(0, 1). De rebuild error zal slechter zijn dan die van de autoencoder (ongeveer 0.03 tegenover 0.008). Dat is de prijs van pull 2, en het koopt een code space waaruit je kunt samplen.
Woorden en symbolen in deze les
- autoencoder
- een encoder die een afbeelding samenperst tot een paar getallen en een decoder die deze herbouwt
- code (latent)
- de weinige getallen die de encoder maakt van één afbeelding
- VAE
- variational autoencoder: een autoencoder waarvan de codes worden getrokken om N(0, 1) te vullen, zodat willekeurige codes decoderen naar nieuwe afbeeldingen
- mu, logvar
- het centrum en de log van de gekwadrateerde spreiding van een code nummer in een VAE
- reparameterisatie
- code = mu + exp(logvar / 2) x eps, met eps eerst getrokken, zodat gradiënten mu en logvar bereiken
- nabijheid, variëteit
- de cursusrechter: afstand tot het dichtstbijzijnde echte cijfer, en bits van spreiding over de tien cijfers
Schrijf de body van de training loop (600 stappen van 256 afbeeldingen). Sla door met: test rebuild error onder 0.035, nieuwe cijfers met closeness maximaal 1.30 en variety minimaal 3.0, en ten minste 3 actieve code nummers. Gebruik je eigen loop: gen.train_vae is hier verboden.
Een probleem ontdekt in deze les? Meld het · Vraag naar deze les
Deze oefening opent binnenkort
Maak de les ervoor af voordat deze wordt ontgrendeld. De hele cursus is gratis, geen account nodig, en je kunt deze les nu lezen.
Deze browser blokkeert cookies voor learn.floati.life, dus lessen die je hier hebt afgerond kunnen niet in de juiste volgorde worden geopend. Sta cookies toe voor deze site en laad de pagina opnieuw.