Sua VAE cria novos dígitos
Por que isso importa Cada peça está pronta: o mu e o logvar do encoder, o truque para amostrar, a rebuild loss e a KL. Coloque tudo em um training step e você terá um modelo que cria dígitos que ninguém desenhou.
Um passo de treinamento, em palavras:
- Codifique um lote:
mu, logvar = model.encode(E.T(x)). - Desenhe eps de N(0, 1) com o formato de mu, e faça o código com sua reparameterisation.
- Decodifique o código para pontuações de pixel:
model.decode_logits(code). - Loss =
E.bce_with_logits(scores, x)+E.kl_to_standard(mu, logvar)(a versão do motor da casa do seu KL). - Para trás, depois
opt.step().
Então julgue com o mesmo juiz de antes: proximidade e variedade de 500 novos dígitos sorteados de N(0, 1). O erro de reconstrução será pior que o do autoencoder (cerca de 0.03 contra 0.008). Esse é o preço do pull 2, e ele compra um espaço de código que você pode amostrar.
Palavras e símbolos nesta lição
- autoencoder
- um encoder que comprime uma imagem em alguns números e um decoder que a reconstrói
- code (latente)
- os poucos números que o encoder faz de uma imagem
- VAE
- variational autoencoder: um autoencoder cujos códigos são puxados para preencher N(0, 1), então códigos aleatórios decodificam para novas imagens
- mu, logvar
- o centro e o log da dispersão ao quadrado de um número de código em um VAE
- reparameterização
- code = mu + exp(logvar / 2) x eps, com eps sorteado primeiro, então os gradientes chegam em mu e logvar
- proximidade, variedade
- o juiz do curso: distância para o dígito real mais próximo, e bits de dispersão sobre os dez dígitos
Escreva o corpo do loop de treino (600 passos de 256 imagens). Para passar: erro de reconstrução no teste abaixo de 0.035, dígitos novos com proximidade de no máximo 1.30 e variedade de pelo menos 3.0, e pelo menos 3 números do código ativos. Use seu próprio loop: gen.train_vae está proibido aqui.
Viu um problema nesta lição? Reporte-o · Pergunte sobre esta lição
Este exercício abre em breve
Termine a lição anterior para que esta seja desbloqueada. O curso inteiro é gratuito, não precisa de conta, e você pode ler esta lição agora mesmo.
Este navegador está bloqueando cookies para learn.floati.life, então as lições que você terminou aqui não podem abrir em ordem. Permita cookies para este site e recarregue.