我读过许多论文，推荐使用变分自动编码器而不是自动编码器，因为它们具有更多的概率方法，并且能够在潜在维度上使用KL散度。但是，在对这两个网络进行测试时，我发现变分自动编码器输出的可变性降低了网络的精度，使用自动编码器的效果更好。我仍然致力于非常简单的数据<em
浏览 0提问于2019-04-03得票数 1
1回答
变分自动编码器实现
、、、
我正在尝试使用python和tensorflow实现一个变分自动编码器。我在互联网上看到了各种各样的实现。我已经成功地使用了我找到的各个部分来创建我自己的部分，并使它们与我的具体案例一起工作。我在这里用一个自动编码器结束了：( 1)编码器具有2个卷积层和1个扁平层，
2
浏览 0提问于2017-07-02得票数 1
1回答
我已经在Keras中构建了一个自动编码器，它接受多个输入和相同数量的输出，我想将其转换为变分自动编码器。我很难将输入和输出之间的差值的损失和变分部分的损失结合起来。因此，我的自动编码器接受一组输入向量，生
浏览 20提问于2019-09-30得票数 2
回答已采纳
1回答
自动编码器以减少输入数据大小
、、、、
目前，我想使用自动编码器来减少输入数据的大小，以便将减少的数据用于另一个神经网络。我的任务是拍摄一段视频，然后将视频的图像提供给自动编码器。当我只使用几张图像作为输入时，自动编码器工作得很好，但当我想要一系列图像时，它就不行了。
想象一下，从一个移动的球上拍摄视频。例如，我们有200张图片。如果我对200张图像使用自动编码器，误
浏览 1提问于2013-12-04得票数 2
1回答
我想尝试实现一个自动编码器完全连接的卷积神经网络作为Unet，以将一幅图像转换为另一幅具有未知非线性关系的图像。 我有高斯核卷积算法，它工作得很好，但我想尝试一些机器学习的方法。你有没有其他的ANN架构的想法？没有标准的完全连接的ANN (已经尝试了很好的效果)，非常感谢
浏览 13提问于2020-01-16得票数 0
1回答
我不知道这些特征之间可能存在(或不存在)的关系。
是否有可能从我最初的集合中生成新的数据，以尊重特性之间可能存在的隐式关系，而不必显式地找到这些关系？
浏览 0提问于2017-02-09得票数 2
回答已采纳
1回答
我有表示传感器输出的文本数据。因此，我的目标是自动提取特征。这些提取的特征(编码器网络)将在神经网络之前用于活动识别任务(分类)。
我的问题是:哪一个自动编码器(去噪，变分，稀疏)适合这样的数据集？还是我应该用RBM代替？在选择了一种特征提取方法之后，如何比较输入和输出，因为输入不是0和1s。
浏览 0提问于2018-03-19得票数 -1
1回答
我做了几个图像自动编码器的例子，它们工作得很好。现在，我想为文本做一个自动编码器，它接受一个句子作为输入，并返回相同的句子。但是当我尝试使用和图像相同的自动编码器时，我会得到不好的结果。我想这是因为我的文字很稀少，词汇量很大，只有500 K。
您有用于Keras中文本的自动编码器工作示例的链接
浏览 0提问于2018-03-25得票数 9
1回答
我理解KL散度是如何为我们提供一个度量一个概率分布与另一个参考概率分布是如何不同的。但是为什么它们在VAE中(而不是交叉熵)被特别使用(这是生成的)？
浏览 0提问于2020-09-24得票数 4
1回答
在变分自动编码器中，z不能直接从自动编码器的输出中采样，因为网络是不可微的。相反，我们必须从正态分布中采样谁的参数是自动编码器，mu和stddev的输出。因此，我无法理解网络是如何不可区分的(假设我们采用z= mu + srd)。所以重新参数化对我来说还不清楚。
任何帮助都将不胜感激！！
浏览 0提问于2017-07-31得票数 0
2回答
我想比较一下自动编码器和变分式自动编码器的训练。我已经用AE进行了训练。我想知道是否有可能将这个AE转换成一个VAE，并保持相同的输出和输入。
谢谢。
浏览 0提问于2019-03-11得票数 9
回答已采纳
我看了这段代码：，其中调用Model.fit()时没有输出或目标张量。首先，我认为Model.fit()的行为是使用输入作为输出(这对于这个自动编码器实现来说是有意义的)。但后来我查看了文档，但它并不是这么写的：但是很明显，在这个自动编码器实现中，情况并非如此(x只包含输入)。
浏览 1提问于2019-08-27得票数 1
回答已采纳
1回答
关于变分自动编码器中的损失函数，我有一个问题。我按照tensorflow示例创建了一个LSTM，用于采样窦房结功能.我的编码器-输入是一组特定范围(随机抽样)的点(x_i，sin(x_i))，作为解码器的输出，我期望类似的值。
在tensorflow指南中，使用交叉熵来比较编码器输入和解码器输出。cross_ent = tf.nn.sigmoid
浏览 2提问于2019-12-20得票数 0
回答已采纳
这是一个与此相关的问题- 另一方面，利用日志概率和KL散度生成证据下限(ELBO)。然后将ELBO值的
浏览 0提问于2018-04-27得票数 3
回答已采纳
在变分自动编码器中，目标函数有两项，一项是使输入和输出x相同，另一项是正则化，q(z)和p(z)以KL散度接近。我不明白的是，为什么我们可以假设p(Z)~正态高斯分布，均值为0，方差为1？以便在隐藏层中用更窄的高斯压缩更多的信息？
谢谢
浏览 5提问于2017-08-29得票数 3
我正在用tf.Estimator训练一个变分自动编码器。model_fn包含编码器和解码器，并将图像作为输入。在部署或评估阶段，我希望模型将随机采样的潜在代码作为输入，并仅执行解码器部分。有没有办法把编码器和解码器从我的估计器中分离出来？
浏览 2提问于2019-04-16得票数 0
我试图深入了解VAE，通过自己来实现它，当将解码器输入层的损耗反向传播到编码器输出层时会遇到困难。decoder_in = sigma * N(0,I) + mu
然后对解码器网络进行前向传播，计算MSE重构损失和反向传播权值，并计算到译码器输入层的损耗。在这里，我完全坚持，因为没有可
浏览 4提问于2020-08-05得票数 6
回答已采纳
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
