文件名称：Disentangled_Variational_Autoencoder:VAE 和 beta-VAE 的 PyTorch 实现
文件大小：5.04MB
文件格式：ZIP
更新时间：2024-06-18 14:15:58
deep-learning generative-model convolutional-neural-networks unsupervised-learning JupyterNotebook
解开变分自编码器 PyTorch 实现的论文 团队成员： 安德烈亚斯·斯帕诺普洛斯 ( ) Demetrios Konstantinidis ( ) 存储库结构 目录包含我们迄今为止创建的模型。 一路上还会有更多。 python脚本是主要的可执行文件。 目录包含可用于训练和测试的 colab notebook。 在目录中有一个 ，其中详细解释了变分自动编码器的基本数学概念。 在目录中有一些配置文件可用于创建模型。 在目录中有我们通过使用各种配置运行模型得到的结果。 楷模 目前支持两种模型，一个简单的变分自动编码器和一个解开版本 (beta-VAE)。 模型实现可以在目录中找到。 这些模型是使用PyTorch Lightning开发的。 变分自编码器 变分自编码器是一个生成模型。 它的目标是学习数据集的分布，然后从相同的分布中生成新的（看不见的）数据点。 在下图中，我们可
【文件预览】：
Disentangled_Variational_Autoencoder-main
----mathematical_analysis()
--------images()
--------vae_maths.tex(28KB)
--------vae_maths.pdf(416KB)
----src()
--------utils()
--------models()
--------main.py(2KB)
----requirements.txt(41B)
----notebook()
--------notebook.ipynb(48KB)
----config()
--------config3.cfg(320B)
--------config2.cfg(361B)
--------config4.cfg(340B)
--------config1.cfg(321B)
----LICENSE(1KB)
----README.md(7KB)
----tests()
--------images()
--------mnist.md(2KB)
--------fashion_mnist.md(2KB)
----.gitignore(2KB)