变体自动编码器:如“自动编码变体贝叶斯” [KingmaWelling2014]中所述在PyTorch中实现简单VAE的个人实现。 源码

变体自动编码器 Kingma,DP和Welling,M.(2013)对论文“ AutoEncoding Variational Bayes”的个人实现。 该存储库的主要目的是使刚开始使用Variational Autoencoders的人们可以轻松访问本文的实现,而不必研究高度优化且难以搜索的库。 我用原始论文中给出的超参数训练了模型。 潜在维度为3,编码器和解码器的MLP仅具有400个隐藏单元的单个线性层。 增加层数和潜在空间的尺寸会得到更好的结果。 我们使用100个重要性加权样本-122.4084计算得出测试集的对数似然率。 200个历元之后的先前p(z)的样本,z_dim = 3,具