<kbd id="afajh"><form id="afajh"></form></kbd>
<strong id="afajh"><dl id="afajh"></dl></strong>
    <del id="afajh"><form id="afajh"></form></del>
        1. <th id="afajh"><progress id="afajh"></progress></th>
          <b id="afajh"><abbr id="afajh"></abbr></b>
          <th id="afajh"><progress id="afajh"></progress></th>

          溫故知新 | VAE 模型推導(dǎo)與總結(jié)

          共 1581字,需瀏覽 4分鐘

           ·

          2022-02-26 06:46


          來源:知乎—胖西西? 文僅分享,侵刪

          https://zhuanlan.zhihu.com/p/434394556

          此總結(jié)首次完成于2021年4月25日,今日再次遇到vae模型推導(dǎo)問題,翻出一看,豁然開朗,故想分享于知乎社區(qū),與大家共同分享,如有錯(cuò)誤或不同見解請(qǐng)多多批評(píng)指正與交流。

          摘要

          VAE 模型 loss 的詳細(xì)推導(dǎo)過程,變分自編碼器的理解。


          01

          模型與說明

          1.1 VAE模型基本網(wǎng)絡(luò)結(jié)構(gòu)

          變分自編碼器 (VAE) 由編碼器和解碼器兩個(gè)部分組成。特征 x 輸入編碼器????生成編碼特征 z,z 輸入解碼器????生成重構(gòu)的 ; 通過生成角度來理解,該網(wǎng)絡(luò)又可以分成推理網(wǎng)絡(luò)和生成網(wǎng)絡(luò)兩部分。

          圖1:VAE模型, ( | )表示推斷網(wǎng)絡(luò), ( | )表示的生成網(wǎng)絡(luò)(公式格式存在問題)

          1.2????與????的理解

          ???是編碼器/推理網(wǎng)絡(luò),????該分布是真實(shí)的、復(fù)雜的,也是我們想去逼近的;而????是我們自己定的,用來逼近或者約束????的一個(gè)分布,????是簡單的,可主觀決定的。

          1.3 說明

          變分自編碼器所謂變分,指的是該模型存在泛函????,解決該泛函問題需要采用變分法,也就是尋找一個(gè)函數(shù)/參數(shù)????。


          02

          公式推導(dǎo)

          首先需要明確VAE模型的目的就是為了使得似然函數(shù)????最大。

          2.1 使得似然函數(shù)????最大,為什么轉(zhuǎn)化成使得???(變分下界)最大?

          由貝葉斯定理:

          公式1變形有:

          公式2左右對(duì)????取????有:

          變形有,其中????為任一分布

          公式3兩端對(duì)????求期望:

          將公式4期望展開有:

          由kl散度定義,????有:

          令????,并且由定義知道????有:

          當(dāng)且僅當(dāng)????時(shí),????,否則,????,將????視為一個(gè)以????為參數(shù)的泛函有:

          改變????并不能影響????的大小,而且????大于????,那么欲似然????更大,可從????下手,當(dāng)????越大的情況下,似然????就會(huì)更大

          所以可以來最大化????使得似然最大,使用神經(jīng)網(wǎng)絡(luò)的時(shí)候要注意,對(duì)????進(jìn)行優(yōu)化,優(yōu)化目標(biāo)使得????最小即可

          2.2 對(duì)????再推導(dǎo)

          因?yàn)閷?duì)于????,????與????獨(dú)立,所以為了與encoder????接近,故將????,修改為????,有:

          設(shè)重構(gòu)的x服從于高斯分布(????),則有

          設(shè)????服從于多元高斯分布????,另????(認(rèn)為設(shè)定的)服從于????的分布,有(15)式:

          ???二階矩為???,所以有:

          根據(jù)重構(gòu)項(xiàng)和KL散度項(xiàng)的約束,我們可以得出(19)式

          !!!!注意,????我們想讓他越大越好,但在神經(jīng)網(wǎng)絡(luò)優(yōu)化中,我們對(duì)????先取負(fù),轉(zhuǎn)化成-????再優(yōu)化,此時(shí),-????越小越



          03

          總結(jié)

          根據(jù)以往經(jīng)驗(yàn),容易犯錯(cuò)誤的地方有,使用神經(jīng)網(wǎng)絡(luò)時(shí)候,一定要對(duì)ELBO先取負(fù)再優(yōu)化!

          很久之前發(fā)布的文件與代碼

          https://gitee.com/sulei_ustb/vae-model



          猜您喜歡:

          ?戳我,查看GAN的系列專輯~!

          一頓午飯外賣,成為CV視覺的前沿弄潮兒!

          超110篇!CVPR 2021最全GAN論文匯總梳理!

          超100篇!CVPR 2020最全GAN論文梳理匯總!

          拆解組新的GAN:解耦表征MixNMatch

          StarGAN第2版:多域多樣性圖像生成


          附下載 |?《可解釋的機(jī)器學(xué)習(xí)》中文版

          附下載 |《TensorFlow 2.0 深度學(xué)習(xí)算法實(shí)戰(zhàn)》

          附下載 |《計(jì)算機(jī)視覺中的數(shù)學(xué)方法》分享


          《基于深度學(xué)習(xí)的表面缺陷檢測(cè)方法綜述》

          《零樣本圖像分類綜述: 十年進(jìn)展》

          《基于深度神經(jīng)網(wǎng)絡(luò)的少樣本學(xué)習(xí)綜述》


          瀏覽 95
          點(diǎn)贊
          評(píng)論
          收藏
          分享

          手機(jī)掃一掃分享

          分享
          舉報(bào)
          評(píng)論
          圖片
          表情
          推薦
          點(diǎn)贊
          評(píng)論
          收藏
          分享

          手機(jī)掃一掃分享

          分享
          舉報(bào)
          <kbd id="afajh"><form id="afajh"></form></kbd>
          <strong id="afajh"><dl id="afajh"></dl></strong>
            <del id="afajh"><form id="afajh"></form></del>
                1. <th id="afajh"><progress id="afajh"></progress></th>
                  <b id="afajh"><abbr id="afajh"></abbr></b>
                  <th id="afajh"><progress id="afajh"></progress></th>
                  天天干天天操综合网 | 日韩AV电影免费观看 | 日韩三级在线 | 欧美性猛交XXXXX乱大交3免费 | 99精品一级毛片 |