知识卡片
压缩隐向量并不自动得到生成模型
自编码器的隐表示可用于压缩,但必须衡量实际编码位数与重建失真;直接从任意分布采样输入普通解码器,也不保证落在训练过的隐空间区域。生成模型需要额外约束或学习隐空间分布,VAE 是其中一种设计。
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
- 自编码器 11.6 自编码器的其他应用 · 查看原书依据
自编码器其实还有很多其他的应用. 前面都在讲编码器,其实解码器也有一定的应用.首先是应用在生成器上,如图11.15 所示. 解码器可以拿出来当作生成器来用. 生成器就是输入一个向量,然后输出一个东西,比如一张图片,而解码器的原理也是类似的,因此解码器可以当作生成器来用. 我们可以从一个已知的分布(比如高斯分布)中采样一个向量给解码器,然后看看它能不能输出一张图片. 实际上,前面在讲生成模型的时候提到过除了 GAN 以外的另外两个生成模型,其中一个就是变分自编码器(Variaional AutoEncoder,VAE).显然,它其实跟自编码器有很大的关系,它实际上就是把自编码器中的解码器拿出来当作生成器来用,但它还做了一些其他的事情,这留给读者自行研究.
参考来源
- 位置:《深度学习详解》第11章《自编码器》11.6 自编码器的其他应用(来源项目 book-source:`extracted/深度学习详解/_epub-src/OEBPS/Text/Chapter11.xhtml`)
- 结论依据:原文及配图解释重建、噪声、解耦、离散码与生成应用;限制条件以审慎方式说明。
- 原始内容:自编码器其实还有很多其他的应用. 前面都在讲编码器,其实解码器也有一定的应用.首先是应用在生成器上,如图11.15 所示. 解码器可以拿出来当作生成器来用. 生成器就是输入一个向量,然后输出一个东西,比如一张图片,而解码器的原理也是类似的,因此解码器可以当作生成器来用. 我们可以从一个已知的分布(比如高斯分布)中采样一个向量给解码器,然后看看它能不能输出一张图片. 实际上,前面在讲生成模型的时候提到过除了 GAN 以外的另外两个生成模型,其中一个就是变分自编码器(Variaional AutoEncoder,VAE).显然,它其实跟自编码器有很大的关系,它实际上就是把自编码器中的解码器拿出来当作生成器来用,但它还做了一些其他的事情,这留给读者自行研究.