Эпоха (в обучении) — это один полный проход алгоритма обучения через весь тренировочный набор данных. Обучение нейросети обычно требует множества эпох, чтобы веса модели достаточно скорректировалис...
Variational Autoencoder (VAE)
Бонус за регистрацию!
Зарегистрируйся и получи бонус
Variational Autoencoder (VAE, Вариационный автокодировщик) — это тип генеративной модели, основанной на байесовском выводе. VAE учится сжимать входные данные в вероятностное распределение (латентное пространство), а затем восстанавливать их. Это позволяет не только реконструировать данные, но и генерировать новые похожие образцы, выбирая случайные точки из латентного пространства.
Что такое «Variational Autoencoder (VAE)» простыми словами
Автокодировщик сжимает фото в код и восстанавливает. VAE делает это хитрее: он сжимает фото не в точку, а в «облачко» вероятностей. Это позволяет ему не просто копировать, а творить. Если ткнуть в случайное место этого облачка, получится новое лицо, похожее на настоящие, но уникальное. Это один из первых методов генерации контента, предшественник GAN и диффузии.
Вопросы и ответы
Что такое вариационный автокодировщик?
Тип автокодировщика, который обучается моделировать вероятностное распределение данных.
Что такое репараметризация в VAE?
Trick с репараметризацией позволяет пропустить градиент через стохастический узел (сэмплирование), вынеся случайность во вспомогательную переменную.
Что такое латентное пространство VAE?
Латентное пространство VAE (Вариационного автоэнкодера) — это непрерывное многомерное пространство, в которое энкодер сжимает данные. Оно организовано так (обычно близко к нормальному распределению), что близкие точки соответствуют похожим объектам. Это позволяет плавно интерполировать между объектами и генерировать новые.
