> ML_ALGORITHM // VARIATIONAL-AUTOENCODER-VAE_v1.0
Varyasyonel Otomatik Kodlayıcı (VAE)
Yeni örnekler üretmek için girdileri yeniden parametreleme hilesiyle gizil Gauss dağılımlarına eşleyen temel olasılıksal derin üretici model.
Latent Variable Modelingdeep-generativemoderate-posthoclarge (>100k)
Tüm Algoritmalara DönHesaplama Karmaşıklığı
Eğitim (Training):O(epochs * batch_size * (encoder + decoder))
Çıkarım (Inference):O(decoder_forward)
Donanım Karakteristiği
CPU Uygunluğu:Hayır
GPU Zorunluluğu:Evet
Bellek Ayak İzi:moderate
Açıklanabilirlik ve Veri
Açıklanabilirlik Düzeyi:moderate-posthoc
Eğitim Verisi İhtiyacı:large (>100k)
Açıklanabilirlik Değerlendirmesi
Sürekli gizil uzay karmaşık veri noktaları arasında pürüzsüz doğrusal enterpolasyonu mümkün kılar.
Uygun Görevler ve Desteklenen Modaliteler
Uygun Görevler:
image generationdensity estimationfeature extraction
Desteklenen Modaliteler:
imagetabularaudio
Uygulayıcı Kütüphaneler
Temel Literatür & Yayınlar
Auto-Encoding Variational Bayes (VAE)Diederik P. Kingma, Max Welling (2013) · International Conference on Learning Representations (ICLR)
Sık Karşılaşılan Hatalar ve Dikkat Edilmesi Gerekenler
- Kod çözücünün gizil kodu z'yi göz ardı ettiği sonsal çöküş (posterior collapse)
- MSE yeniden yapılandırma kaybının çok modluluğu ortalaması nedeniyle üretilen görüntülerde doğal bulanıklık