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
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。您有用于Keras中文本的自动编码器工作示例的链接吗？
我看到，在大多数论文中，他们使用交叉熵作为损失函数。交叉熵是如何精确计算损失的？即使我用字符自动编码器做一
浏览 0提问于2018-03-25得票数 9
2回答
我读过Keras在VAE实现上的，其中VAE损失是这样定义的： xent_loss = objectives.binary_crossentropyz_log_sigma - K.square(z_mean) - K.exp(z_log_sigma), axis=-1)我查看了，VAE损失函数是这样定义的
浏览 24提问于2020-02-21得票数 4
回答已采纳
1回答
我正在使用Keras构建一个变分自动编码器。我在很大程度上受到了@Fchollet示例的启发：def va
浏览 2提问于2017-09-22得票数 5
1回答
我有一个自动编码器模型的，具有多个输出和加权，这是一个想要丰富变成一个变分的自动编码器。我遵循了以下内容：官方keras教程。但是，如果手动调整train_step函数，我就失去了最初实现的大部分细节：
我得到了两个加权优化目标:重新构造(解码器)和分类(softmax)。根据keras链路添加建议的采样层是没有问题的，但是要正确地实现Kullback-Leibler-Loss，因为它依赖于不受标准Keras<e
浏览 3提问于2020-10-06得票数 2
我正在处理一个keras.io示例，其中构建了一个变分的自动编码器，在这里可以找到：
，，我试图用MeanSquaredError-损失替换二进制_交叉熵损失，但是我得到了一个TypeError。我要做什么，才能得到tf.reduce_mean(tf.reduce_sum(keras.losses.binary_crossentropy(data，重建)，axis=(1，2)，reconstruction_loss= tf.reduce_mean(tf
浏览 3提问于2021-06-01得票数 0
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
我正在使用的大部分基础实现一个变分自动编码器。
我的输入数据目前是500个样本乘以125个通道(脑电图数据)，但我有意使解码后的输出只有1个通道，例如[500,1]。我的重建损失是将我的输入数据和重建的解码器输出[500,125]与[500,1]进行比较的二进制交叉熵。代码运行时没有任何警告或错误，但我不确定是否可以比较不同通道维度的数据，以及这是否反映在我的重建损失或KL损失中。Keras/TF是否考虑到了不同的渠道，并以某种方式能够在所有
浏览 3提问于2020-11-03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，生成相同数量和形状的输出向量。/权重，这取决于我想要在自动编码器中有什么列。我的问题是： 我现在已经将设置扩展到一个变
浏览 20提问于2019-09-30得票数 2
回答已采纳
5回答
我正在尝试使用我在Keras示例中找到的变分自动编码器的实现()。15474/15474 [==============================] - 1s 62us/step - loss: nan - val_loss: nan
对于所有训练时期，损失都是相同的
浏览 4提问于2018-04-04得票数 5
我正在尝试为Keras中的变分自动编码器设计一个自定义损失函数，分为两个部分：reconstruction loss和divergence loss。但是，我不想使用高斯分布来表示发散损失，而是希望从输入中随机采样，然后基于采样的输入执行发散损失。然而，我不知道如何对来自完整数据集的输入进行采样，然后对其执行损失。编码器模型为： x_input = Input((input_size,))
enc1
浏览 13提问于2019-09-22得票数 1
回答已采纳
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
对于上下文，我在Keras中训练了两个独立的自动编码器:一个具有标准的MSE损失函数，另一个具有自定义的MSE损失函数。当在训练中的给定时间点评估这两个模型时，它们具有非常相似的性能，但损失却非常不同。 我的性能指标是平均百分比误差。这两个模型都在重建原始图像，平均误差在3%左右。然而，当这些模型被保存时，标准Keras MSE模型的损失不到1.0，而具有自定义MSE成本函数的模型
浏览 31提问于2020-04-24得票数 0
回答已采纳
1回答
我有点困惑KL发散是如何应用的，特别是在Keras中，但我认为这个问题对于深度学习应用来说是一个普遍的问题。在keras中，KL损失函数定义如下： y_true = K.clip(y_true, K.epsilon这些KL散度的平均值与训练历史中Keras报告的损失相匹配。但是，这种聚合--在每一行上运行KL散度并取平均值--在损失函数中不会发生。
浏览 0提问于2017-06-05得票数 7
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
1回答
我有一个关于一个非常复杂的损失函数的问题。这是一个变分的自动编码器损失函数，它相当复杂。
它是由两个重建损失，KL散度和判别器作为正则化。所有这些损失都是相同的规模，但我发现，将重建损失中的一个增加20倍(而剩下的部分在前一个比额表上)会大大提高我的模型的性能。
浏览 3提问于2022-07-15得票数 0
回答已采纳
我正在学习这个变分自动编码器教程：。
我知道VAE的损失函数由比较原始图像和重建图像的重建损失以及KL损失组成。然而，我对重建损失以及它是在整个图像上(平方差的总和)还是每个像素(平方差的平均和)感到有点困惑。我的理解是重建损失应该是每像素( MSE )，但我遵循的示例代码将MSE乘以28 x 28，即MNIST图像尺寸。对吗？此外，我的假设是，这将使重建损失项明显大于KL损失，我
浏览 8提问于2020-09-01得票数 3
我正在尝试为文本实现一个自动编码器。但是我不知道我应该使用哪种损失函数？我试过使用mse，但我损失了1063442。我试图构建一个非常简单的自动编码器，只使用Keras中的LSTM层。
浏览 0提问于2018-03-28得票数 0
1回答
损失职能的执行情况如下： log2pi = tf.math.log(2. * np.pi)Another ，如果x > 1，可以使用什么样的损失？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？
浏览 4提问于2022-06-30得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
