【周末AI课堂】理解变分自编码器 | 机器学习你会遇到的“坑”( 九 )

2019-01-27

的项，则可以被理解为均值的正则化项，使得模型偏好于均值为零的参数。

到目前为止，我们就可以粗略地实践一个非常简单的VAE ，首先我们面临

的采样问题，我们可以从利用keras的后端，生成服从标准正态分布的变量，并将其写作一个函数，模型每向前传播一次，就调用一次：

from keras import backend as K

defsampling(args):
z_mean z_log_sigma = args
epsilon = K.random_normal(shape=(dim)mean=0 std=1)
return(z_mean + (z_sigma) * epsilon)

接下来，我们需要定义好Loss ，需要利用在隐层的变量，所以我们仍然将其写作一个函数，在模型内部去调用它：

from keras import binary_crossentropy

defvae_loss(x y):

推荐阅读

上一篇：即是偶像派又是实力派，vivo NEX双屏版性能太全面

下一篇：公然炮轰小米，柔宇科技号称柔性屏之最！究竟名副其实吗？