VAE KL 거리
잘못이 있으면 지적해 주세요.
VAE
VAE에서 잠재 변수 z는 연속적인 정적 분포로 변환되어 표시됩니다.
예를 들어, 2차원 잠재 변수(z1, z2)를 이전의 잠재 변수(μ일,μ이,σ일,σ2) 다음과 같이 정의합니다.
$z=[z1, z2]=[μ1 + σ1 * randn(), μ2 + σ2 * randn()]$
여기에서randn()은 평균치 0, 표준 편차 1의 정적 분포 랜덤수이다.
이렇게 함으로써 VAE의 Decoder는 잠재 변수 z면의 이산적이고 국부적인 점에서 전환하는 것이 아니라 연속적인 잠재 변수 z면에서 전환한다.
여기까지는 아무 문제 없어요.
손실 함수에 갑자기 나타나는 KL 집합(KL 거리)
다음으로 VAE는 손실 함수에 KL 거리를 더하여 학습을 시작합니다.
근데 처음에는 그걸 잘 몰랐어요.
왜 손실 함수에 KL 거리를 붙여야 하나요?수준VAE를 설명하는 사람들의 설명은 KL 거리에 대한 공식이 나오기도 어려워 KL 거리에 대한 이해를 포기하는 원인이 되었다.한 번 이해해 봤는데 해설에 정확하게 쓰여 있었지만 뜻을 이해하기 어렵고 이해도 진전이 없어서 아쉽다.
나는 같은 의문이 있는 사람이 먼저 KL 거리를 조사하는 것이 가장 좋다고 생각한다.
KL 거리
다음으로 VAE는 손실 함수에 KL 거리를 더하여 학습을 시작합니다.
근데 처음에는 그걸 잘 몰랐어요.
왜 손실 함수에 KL 거리를 붙여야 하나요?수준VAE를 설명하는 사람들의 설명은 KL 거리에 대한 공식이 나오기도 어려워 KL 거리에 대한 이해를 포기하는 원인이 되었다.한 번 이해해 봤는데 해설에 정확하게 쓰여 있었지만 뜻을 이해하기 어렵고 이해도 진전이 없어서 아쉽다.
나는 같은 의문이 있는 사람이 먼저 KL 거리를 조사하는 것이 가장 좋다고 생각한다.
KL 거리
느끼다
VAE라면 잠재 변수 z가 학습을 통해 수렴된 분포를 평균치 0, 표준 편차 1의 분포로 설정합니다.
그러나 나는 개인적으로 수렴의 분포가 연속적이라면 무엇이든지 된다고 생각한다.예를 들어 잠재 변수의 분포 목적지를 평균치 0.5, 표준 편차 0.1의 정적 분포로 설정해도 -1에서 1의 균등한 분포라도 연속 잠재 변수 z면의 목적과 관련되면 아무런 문제가 없다.
(입력의 정규화된 목적을 보면 일치하지 않을 수 있습니다...)
이런 상황에서 어떻게 이전의 VAE에서 변경해야 합니까?
결론적으로 VAE의 손실 함수에 추가된 KL 거리의 값만 바꾸면 대응할 수 있다.
예를 들어 분포 Q(x)를 평균치 0.5, 표준 편차 0.1의 정적 분포로 설정하면 손실 함수에 추가된 KL 거리는 $\frac{1}{2}(-2\ln10σ+10^2((μ-0.5)^2+σ^2)-1)$μ=0.5,σ=나는 0.1달러에 극소치 0의 함수가 있고 잠재 변수 z의 P(x)분포의 목적 지평균일치 0.5, 표준 편차 0.1의 정규 분포 Q(x)가 될 수 있을까 한다.
Reference
이 문제에 관하여(VAE KL 거리), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/nishiha/items/2264da933504fbe3fc68
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
Reference
이 문제에 관하여(VAE KL 거리), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/nishiha/items/2264da933504fbe3fc68텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)