Keras で変分自己符号化器（VAE）を学習したい - クッキーの日記
以下の記事の続きです。Kerasブログの自己符号化器チュートリアルをやるだけです。 Keras で自己符号化器を学習したい - クッキーの日記 Kerasブログの自己符号化器チュートリアル（Building Autoencoders in Keras）の最後、Variational autoencoder（変分自己符号化器；VAE）をやります。VAE についてのチュートリアル上の説明は簡単なものなので、以下では自分で言葉を補っています。そのため、不正確な記述があるかもしれません。 変分自己符号化器（VAE）って何 実行結果 スクリプト 変分自己符号化器（VAE）って何 そのデータが生成するメカニズムに仮定をおいているとき（そのデータの生成モデルを仮定しているとき）、モデルのパラメータの最適化をするのに VAE を用いることができます。今回は、「それぞれの手書き数字には、その手書き数字に対応
Keras で自己符号化器を学習したい - クッキーの日記
Kerasブログの自己符号化器のチュートリアルをやります。 Building Autoencoders in Keras このチュートリアルではMNISTの手書き数字のデータを例に色々な種類の自己符号化器を示しています。スクリプトは全て記事内に示されているので割愛します。上記の記事内でのモデルは Sequential() で生成したインスタンスに層を add していくのではなく、Model (functional API) で組み立てています。 この方法だと自己符号化器（エンコーダ ＋ デコーダ）全体を学習して後からエンコーダ（デコーダ）部分のみ利用するというのが容易にできました。 以下はチュートリアル内で紹介されているモデルの理解のためのお絵描きです（この記事はお絵描きだけです）。 モデル1： 単純な自己符号化器 モデル2： エンコーダがスパースな自己符号化器 モデル3： 多層な自己符号
Building Autoencoders in Keras
In this tutorial, we will answer some common questions about autoencoders, and we will cover code examples of the following models: a simple autoencoder based on a fully-connected layer a sparse autoencoder a deep fully-connected autoencoder a deep convolutional autoencoder an image denoising model a sequence-to-sequence autoencoder a variational autoencoder Note: all code examples have been updat
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
