文件名称：ResNetVAE:变分自动编码器 + ResNet 迁移学习
文件大小：10.88MB
文件格式：ZIP
更新时间：2024-06-17 23:31:02
vae resnet transfer-learning variational-autoencoder Python
变分自编码器 (VAE) + 迁移学习 (ResNet + VAE) 该存储库在 PyTorch 中实现了 VAE，使用预训练的 ResNet 模型作为其编码器，使用转置卷积网络作为解码器。 数据集 1. MNIST 数据库包含 60,000 张训练图像和 10,000 张测试图像。 每个图像均保存为28x28矩阵。 2. CIFAR10 数据集包含10个类别的60000个32x32彩色图像，每个类别6000个图像。 3. Olivetti 人脸数据集 脸数据集由 40 个不同主题的 10 张 64x64 图像组成。 模型 模型包含一对编码器和解码器。 编码器 将 2D 图像x压缩为较低维度空间中的向量z ，该空间通常称为潜在空间，而解码器 接收潜在空间中的向量，并在与编码器输入相同的空间中输出对象。 训练目标是让encoder和decoder的组合“尽可能接近identity”。
【文件预览】：
ResNetVAE-master
----plot_latent.ipynb(5KB)
----ResNetVAE_cifar10.py(7KB)
----ResNetVAE_reconstruction.ipynb(5KB)
----fig()
--------theta.png(25KB)
--------reconstruction_face.png(368KB)
--------DKL.png(66KB)
--------cluster_MNIST.png(3.53MB)
--------cluster_cifar10.png(5.79MB)
--------MNIST.png(69KB)
--------training_curve.png(133KB)
--------cifar10.png(232KB)
--------normal.png(52KB)
--------reconstruction_MNIST.png(249KB)
--------phi.png(37KB)
--------loss.png(65KB)
--------generated_face.png(451KB)
--------face.png(145KB)
--------generated_MNIST.png(276KB)
----README.md(4KB)
----ResNetVAE_MNIST.py(6KB)
----modules.py(5KB)
----ResNetVAE_FACE.py(7KB)