iT邦幫忙

第 11 屆 iThome 鐵人賽

DAY 13
0
AI & Data

從零開始或許曾經想過但想想還是算了的深度雜技系列 第 13

[DAY 13] 壓縮到極致再重返世界 : AutoEncoder-Decoder

  • 分享至 

  • xImage
  •  

前言


你是不是以為我只會講屁話XDD阿峻還會講些噁心的屁話XDDDDDD

我把思念折成笺,願展信的你能聽到我的思念嗎?
------阿峻20190929

接下來,我們要介紹一個常見的 Model 結構,通常會稱為 AE (AutoEncoder) or AED (AutoEnconder-Decoder),這個結構你可以簡單的想成是用一個 CNN 結構把你的 Input(可能是一張 Image) 壓成一個 Latent Vector 去儲存關於這個 Input 的 資訊,然後希望接在這個 Latent Vector 後面有一個 Model (可以想像成是一個倒過來的 CNN 結構) 可以根據這個 Latent Vector 的資訊可以還原這個 Input。那既然如此,Loss 其實就是很自然地會被設成為 Input 跟 Output 之間做比較。這樣的結構應用其實有很多,那就讓我們來看看吧~

AutuEncoder-Decoder

Architecture

Loss

Math

Implementaion

結語

AutoEcoder 是一個蠻有趣且 powerful 的結構,是我們的第一種生成類型的模型,有了這樣的結構,如果我們能控制我們的 Output 不就更猛!!!已知道AE的我們便能往下一步走下去: VAE & CVAE~

參考資料


上一篇
[DAY 12] 輪迴故事裡的那些因果 : RNN 簡介
下一篇
[DAY 14] 參數重構 : VAE 簡介
系列文
從零開始或許曾經想過但想想還是算了的深度雜技30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言