知识卡片
VAE模块关系按职责组织
结构图:
classDiagram
class VAE {
Encoder encoder
Decoder decoder
model()
training_model()
training_guide()
}
class Encoder {
forward(image, digit, handwritten)
}
class Decoder {
forward(z, digit, handwritten)
}
VAE *-- Encoder
VAE *-- Decoder
Encoder为guide输出潜变量分布参数;Decoder在model中输出图像分布参数。类包含关系与DGP中的因果箭头是不同层面的结构,不应把代码调用图当成因果图。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
Now we’ll put these pieces together into the full VAE class. Listing 5.9 Full VAE class class VAE(nn.Module): def __init__( self, z_dim=50, #1 hidden_dim=400, #2 use_cuda=USE_CUDA, ): super().__init__() self.use_cuda = use_cuda self.z_dim = z_dim self.hidden_dim = hidden_dim self.setup_networks() def setup_networks(self): #3 self.encoder = Encoder(self.z_dim, self.hidden_dim)
参考来源
- 位置:《Causal AI》第05章《连接因果与深度学习》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/Causal AI/_epub-src/OEBPS/Text/chapter-5.xhtml)
- 结论依据:摘录中关于VAE模块关系按职责组织的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。
- 原始内容:Now we’ll put these pieces together into the full VAE class. Listing 5.9 Full VAE class class VAE(nn.Module): def __init__( self, z_dim=50, #1 hidden_dim=400, #2 use_cuda=USE_CUDA, ): super().__init__() self.use_cuda = use_cuda self.z_dim = z_dim self.hidden_dim = hidden_dim self.setup_networks() def setup_networks(self): #3 self.encoder = Encoder(self.z_dim, self.hidden_dim)