文件名称：lagvae:拉格朗日式
文件大小：56KB
文件格式：ZIP
更新时间：2024-05-18 10:24:37
tensorflow generative-adversarial-network variational-inference variational-autoencoder Python
拉格朗日VAE 本文的TensorFlow实施，《 ，UAI 2018 Oral。 ，和 ，斯坦福人工智能实验室 概述 在本文中，我们将潜在变量生成模型的目标概括为两个目标： 主要问题：“互信息目标”，例如最大化/最小化观测值和潜在变量之间的互信息。 约束：“一致性”，可确保模型后验接近摊销后验。 与执行广泛的超参数调整相反，拉格朗日VAE提供了一种实用的方法来找到“一致性约束”和“相互信息目标”之间的最佳折衷。 我们通过InfoVAE演示了一个示例， InfoVAE是一个潜在的可变生成模型目标，需要调整相应超参数的强度。 如下图所示，LagVAE设法找到一条接近帕累托最优的曲线，以在相互信息和一致性之间进行权衡。 要求 点击 gputil tqdm 档案文件 methods/infovae.py实现（不会优化Lagrange乘数） methods/lagvae.py实现（
【文件预览】：
lagvae-master
----utils()
--------__init__.py(3KB)
--------logger.py(8KB)
----LICENSE.txt(1KB)
----examples()
--------infovae.py(3KB)
--------__init__.py(0B)
--------lagvae.py(3KB)
----README.md(2KB)
----lagvae.jpg(49KB)
----methods()
--------infovae.py(3KB)
--------vae.py(5KB)
--------__init__.py(0B)
--------lagvae.py(4KB)
----.gitignore(1KB)