VAE
约 1 分钟阅读
Variational Autoencoder
- VAE - Variational Autoencoder - 变分自编码器
是一种生成模型,用于学习复杂数据分布并生成与训练数据相似的新数据。 VAE 将传统的自编码器与概率图模型相结合,通过对数据的潜在表示进行建模和采样来生成数据。
- 参考
- Understanding Variational Autoencoders
- clementchadebec/benchmark_VAEGitHubclementchadebec/benchmark_VAEVAE - Variational Autoencoder - 变分自编码器 · 是一种生成模型,用于学习复杂数据分布并生成与训练数据相似的新数据。 · VAE 将传统的自编码器与概率图模型相结合,通过对数据的潜在表示进行建模和采样来生成数据。笔记:VAE
- Unifying VAE implementations in Pytorch (NeurIPS 2022)
- AntixK/PyTorch-VAEGitHubAntixK/PyTorch-VAEVAE - Variational Autoencoder - 变分自编码器 · 是一种生成模型,用于学习复杂数据分布并生成与训练数据相似的新数据。 · VAE 将传统的自编码器与概率图模型相结合,通过对数据的潜在表示进行建模和采样来生成数据。笔记:VAE
- Collection of VAE in PyTorch
- Auto-Encoding Variational BayesarXivAuto-Encoding Variational BayesarXiv摘要 · PDF · HTML - by Diederik P Kingma, Max Welling, 2013-12-20
FAQ
关联信息
反向链接、本文链接的其他页面和外部资料。
参考资料
GitHub2 条
- AntixK/PyTorch-VAEgithub.com/AntixK/PyTorch-VAE
- clementchadebec/benchmark_VAEgithub.com/clementchadebec/benchmark_VAE
标准文档1 条
- arXiv:1312.6114arxiv.org/abs/1312.6114arXiv
其他外链1 条
- towardsdatascience.com/f70510919f73towardsdatascience.com/f70510919f73