【文件属性】：
文件名称：playing_with_vae:比较MNIST FMNIST上的FC VAE FCN VAE PCA UMAP
文件大小：6.22MB
文件格式：ZIP
更新时间：2021-05-02 23:32:59
tutorial python3 pytorch mnist pca
介绍
由于某种原因，这是我执行的测试任务。 它包含对以下内容的评估：
MNIST / FMNIST上的FC VAE / FCN VAE用于图像重建；
比较VAE / PCA / UMAP产生的嵌入物以进行分类；
TLDR
您可以在这里找到：
在PyTorch上的一个有效的VAE示例，带有很多标志（FC和FCN，以及许多失败的实验）；
一些实验样板代码；
PCA / UMAP / VAE产生的嵌入之间的比较（破坏者-VAE获胜）；
我在main.ipynb所做的逐步逻辑
Docker环境
要从位于dockerfile的Dockerfile构建docker映像，请执行以下操作：
cd dockerfile
docker build -t vae_docker .
（您可以用ofc代替公共ssh密钥）
另外，请确保已安装和正确的nvidia驱动程序。
测试安装运行
docke
【文件预览】：
playing_with_vae-master
----extensions.png(100KB)
----TbLogger.py(2KB)
----Util.py(3KB)
----readme.ipynb(10KB)
----pytorch_ssim()
--------__pycache__()
--------__init__.py(3KB)
----s.sh(463B)
----VAELoss.py(6KB)
----VAE.py(22KB)
----FMNISTDataset.py(6KB)
----train.py(20KB)
----compare.png(660KB)
----main.ipynb(669KB)
----reconstructions.png(76KB)
----baseline_train.py(5KB)
----results()
--------reconstruction_6.png(8KB)
--------reconstruction_4.png(9KB)
--------reconstruction_10.png(8KB)
--------reconstruction_9.png(8KB)
--------reconstruction_5.png(9KB)
--------reconstruction_8.png(8KB)
--------reconstruction_3.png(9KB)
--------reconstruction_2.png(10KB)
--------reconstruction_1.png(10KB)
--------reconstruction_7.png(9KB)
----tb_logs()
--------fmnist_fc_conv_l10_rebalance_no_norm()
--------.gitignore(71B)
----weights()
--------fmnist_fc_conv_l10_rebalance_no_norm_checkpoint.pth.tar(1.37MB)
--------fmnist_fc_conv_l10_rebalance_no_norm_best.pth.tar(1.37MB)
--------.gitignore(71B)
----.ipynb_checkpoints()
--------main-checkpoint.ipynb(669KB)
--------readme-checkpoint.ipynb(10KB)
----README.md(8KB)
----dockerfile()
--------Dockerfile(4KB)