第 15 模块:压缩、重建、生成(自编码器与 VAE)
为什么一个自编码器无法生成新的数字
你以前学过这门课程吗?
这样我们只统计你一次。只会发送你的答案,以及你的匿名进度。
为什么重要 如果解码器能把 16 个数字变成一个数字,为什么不随机挑 16 个数字,得到一个全新的数字呢?试一试。你看到的东西,解释了这个模块的其余部分必须修复什么。
要说生成的图片有多好,你需要一个评判器。课程的评判器测量两样东西:
- 接近度:每一张图片到最近的真实训练数字的距离,取平均。真实的测试数字得分 1.04。在每张图片内部打乱的像素得分 3.52。
- 多样性:一个数字识别器(在真实数字上 98% 正确)说出每张图片显示的是哪个数字;多样性就是十个数字出现得有多均匀,以比特为单位。3.32 意味着十个数字出现得一样频繁,0 意味着每一张图片都被识别为同一个数字。
为什么要两个数字?因为单凭接近度可能会被骗过。你会看到是怎么被骗的。
先预测:当你解码随机的编码,它们是在真实编码所覆盖的范围内随便挑的,这些图片的得分会比每个数字的平均图片更接近真实的数字吗?
本课中的词语和符号
- 自编码器
- 一个把图片压缩成少数几个数字的编码器,加上一个把它重建出来的解码器
- 编码(潜变量)
- 编码器从一张图片中得到的那少数几个数字
- 接近度、多样性
- 课程的评判器:到最近的真实数字的距离,以及在十个数字上分布的比特数
轮到你了
把 my_prediction 设为 "closer" 或 "further"。然后用以下几者的接近度填写 scores:真实的测试数字、十个平均数字(每个重复到 500 张图片),以及 500 个解码后的随机编码。最后把 reason 设为这些数字所支持的那个解释的字母。
本课已完成。干得好。
这个练习即将开放
完成它前面的那一课,这一课就会解锁。整门课程免费,无需账号,而且你现在就可以阅读这节课。
这个浏览器屏蔽了 learn.floati.life 的 Cookie,所以你在这里完成的课程无法按顺序打开。请允许这个网站使用 Cookie,然后重新加载。