1回答
变分自动编码器: MSE与BCE
、、、、
我正在使用一个变分自动编码器，我看到有些人使用MSE损失，有些人使用BCE损失，有人知道其中一个比另一个更正确吗?为什么？据我所知，如果你假设VAE的潜在空间向量服从高斯分布，你应该使用MSE损失。如果你假设它服从多项分布，你应该使用BCE。此外，BCE偏向于0.5。 有人能给我解释一下这个概念吗？我知道这与信息期望的下限变分项有关。 非常感谢!
浏览 28提问于2020-12-10得票数 0
回答已采纳
Keras自动编码器示例：(https://blog.keras.io/building-autoencoders-in-keras.html)使用binary_crossentropy (BCE)作为丢失函数为什么他们使用binary_crossentropy而不是mse？自动编码器的输出是相同的。(预测的标准化图像)
我阅读
浏览 0提问于2021-06-29得票数 6
回答已采纳
1回答
可以用其他的损失函数作为重建损失，例如Huber损失，例如使用了MSE损失(如下所示)，MSE损失是一个有效的ELBO损失来度量p(x=z)吗？reconstructed = vae(x_batch_train) loss = mse_loss_fn
浏览 4提问于2022-06-30得票数 0
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和培训我的网络上的正常图像，没有任何增强或改变的背景。变分自动编码器<
浏览 0提问于2019-04-03得票数 1
我知道自动编码器可以用来生成新的数据。据我所知..。自动编码器使用原始分布X来学习均值和西格玛描述的随机高斯分布。
然后，译码器将使用均值和西格玛参数随机抽样一个新的参数，将接近X。我的问题是，假设我有关于X和Y.Then两个特性的信息，我是否可以使用变分自动编码器生成与Y相关的新的随机样本。
浏览 0提问于2022-01-11得票数 0
我正在构建一个卷积自动编码器，它使用MSE作为其错误函数。如何为图像定义MSE？如果图像是以简单的矩阵形式表示的，那么MSE仅仅是个体行列式差的平方吗？还是矩阵之差的行列式的平方？
浏览 3提问于2016-05-01得票数 0
回答已采纳
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，3)和具有编码器反向部分的解码器。我的问题是当我试图实现自动
浏览 0提问于2017-07-02得票数 1
1回答
我试图理解和提高变分自动编码器的丢失和准确性。我用一个简单的二进制数据填充了自动编码器：sent_encoded = encoder.predict(np.array(test), batch_size = batch_size)
浏览 0提问于2018-04-11得票数 0
我想构造一个变分自动编码器，其中一个样本是N*M矩阵，其中每一行都有M个类别。从本质上说，一个样本是一个分类数据列表，其中只能选择一个类别--一个热向量列表。目前，我有一个工作的自动编码器为这种类型的数据-我使用一个软最大值在最后一个维度来创建这个约束，它的工作(重建交叉熵低)。
现在，我想使用tf.distributions创建一个变分自动编码器。
浏览 0提问于2018-04-26得票数 0
回答已采纳
我正在实现Keras变分自动编码器()。在培训过程中，印刷的总损失不是重建损失和kl损失的总和。对于如何解决这个问题，有什么建议吗？
我怀疑这个问题与丢失追踪器有关，但我不知道如何解决。
浏览 3提问于2022-10-26得票数 0
我复制了来构建一个变分自动编码器(VAE)。该示例使用图像，但我将其用于包含负值的信号。训练后，自动编码器只重建信号的正部分，不产生负值。有人能找出问题的所在或解释为什么会这样吗？
浏览 4提问于2022-04-05得票数 0
回答已采纳
1回答
我正在为单细胞RNA-Seq数据的降维构建一个变分自动编码器.我设法用传统的自动编码器绘制了清晰的集群，但我的VAE没有工作。损失减少，但停止在5左右。VASC是一种深变分的自动编码器，它能够捕获非线性变化，并自动学习输入数据的分层表示。其目的之一是简化scRNA-seq数据集的可视化。VASC主要分为三个部分：(1)编码器网络；(2)译码器网络；(3)零充气层。VASC的创建者在
浏览 1提问于2019-05-15得票数 2
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。
浏览 0提问于2017-07-31得票数 0
我在实现变分自动编码器时遇到了一个很大的问题，那就是所有的图像最终看起来都是这样的：
当真实图像是这样的：
训练集是CIFAR10，预期的结果是设法构建相似的图像。使用的损失函数是MSE和优化器RMSPROP。我对这里可能存在的问题感到非常困惑。
浏览 2提问于2018-10-23得票数 0
1回答
我关注了中的变分自动编码器部分。我在我的项目中的第一个任务是重新生成一些矢量，它们表示网格布局是如何划分的。因此，我创建了自己的数据集，其中至少包含5000行维度(1,36)的向量。因此，我使用了一些数据集作为我的模型的训练集，这是变分自动编码器。我是不是通过写这段代码就理解了beta变分自动编码器？
浏览 8提问于2018-08-08得票数 1
回答已采纳
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
在变分式自动编码器中，编码器必须具有与解码器相同的层数吗？我的编码器(密度)：54-10-5-3，解码器(密度)：3-5-10-25-35-45-54，我得到了更好的结果。
浏览 1提问于2018-05-02得票数 3
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
