Değişimsel Otomatik Kodlayıcılar ve Gizli Uzay
Öğrenilmiş bir dağılımdan yeni veriler örnekleyin.
Değişimsel Otomatik Kodlayıcılar ve Gizli Uzay, CoddyKit'te ücretsiz bir Deep Learning Academy dersidir. Bu, 4 dersinin 3. dersidir. Aşağıdan dersin tamamını ücretsiz okuyabilir, sonra tarayıcıda yerleşik kod editörü ve 7/24 yapay zeka koçu ile uygulamalı olarak pratik yapabilirsin. Bu, Deep Learning Academy öğrenme yolunun bir parçasıdır ve ilerlemeniz web ve CoddyKit uygulaması arasında senkronize olur. Deep Learning Academy kursu toplamda 4 dersten oluşur.
Basit Kodların Ötesi
Varyasyonel otomatik kodlayıcı veya VAE, her girdi için tek bir sabit kod saklamaz. Bunun yerine, gerçekten örnekler alabileceğiniz, düzgün ve düzenli bir gizli alan öğrenir.
Dağılıma Kodlama
VAE kodlayıcısı tek bir nokta yerine bir ortalama ve varyans üretir. Her girdi, olası gizli kodlardan oluşan küçük bir buluta dönüşür.
mu, logvar = encoder(x)Buluttan Örnek Alma
Bir kod elde etmek için, ortalamasını ve varyansını kullanarak bu buluttan örnek alırsınız. Örnekleme, alanı üretken kılan rastgeleliği ekler.
Yeniden Parametreleştirme Taktiği
Rastgele örnekleme gradyanları engeller; bu nedenle yeniden parametreleştirme taktiği rastgeleliği başka bir konuma taşır. Böylece örnek üzerinden geri yayılım yapmaya devam edebilirsiniz.
std = torch.exp(0.5 * logvar)
z = mu + std * torch.randn_like(std)Bir Değil, İki Kayıp
VAE iki amacı dengeler: doğru yeniden oluşturmalar için yeniden oluşturma kaybı ve gizli alanı biçimlendiren ek bir terim. Bu iki amaç birbirine karşı çalışır.
KL Uzaklığı Terimi
İkinci kayıp KL uzaklığıdır. Her bulutu standart bir normale doğru yönlendirerek gizli alanın düzenli ve sürekli kalmasını sağlar.
kl = -0.5 * torch.sum(1 + logvar - mu**2 - logvar.exp())Düzgün Bir Gizli Alan
KL terimi sayesinde birbirine yakın kodlar benzer çıktılara dönüştürülür. Bu düzgünlük, noktalar arasında ilerleyip anlamlı sonuçlar elde edebilmenizi sağlar. ✨
Yepyeni Veriler Üretme
Alan düzenli olduğu için normal bir dağılımdan yeni kodlar örnekleyebilir ve bunları daha önce hiç görülmemiş yeni örneklere dönüştürebilirsiniz.
z = torch.randn(1, latent_dim)
new_sample = decoder(z)Girdiler Arasında Geçiş Yapma
İki gizli kodu harmanlayıp karışımı dönüştürerek bir girdiyi diğerine çevirebilirsiniz. Bu düzgün geçiş, VAE'nin ayırt edici özelliklerinden biridir.
z = 0.5 * z_a + 0.5 * z_bVAE ve Basit Otomatik Kodlayıcı
Basit bir otomatik kodlayıcı sıkıştırma yapar; VAE ise sıkıştırmanın yanı sıra üretken hale gelir. Yeni verilerden örnek almayı mümkün kılan şey, eklenen KL terimidir.
Dengeyi Ayarlama
Genellikle beta olarak adlandırılan KL teriminin ağırlığı, dengeyi kontrol eder. Daha yüksek beta daha temiz bir alan, ancak biraz daha bulanık yeniden oluşturmalar sağlar.
Hızlı Kontrol
VAE'ye üretken gücünü veren nedir?
Özet
VAE, girdileri dağılımlar olarak kodlar, yeniden parametreleştirme taktiğiyle örnekler ve örnekleme ile geçiş yapabileceğiniz düzgün bir alan için bir KL terimi ekler. 🎉
Yapay zeka eğitmeniyle Python öğren — ücretsiz
Tarayıcında gerçek kod yaz ve çalıştır, 7/24 yapay zeka eğitmeninden anında yardım al; web'de ya da uygulamada kaldığın yerden devam et.
- Kurslar
- 30
- Dersler
- 120
Sıkça Sorulan Sorular
“Değişimsel Otomatik Kodlayıcılar ve Gizli Uzay” dersi ücretsiz mi?
Evet — “Değişimsel Otomatik Kodlayıcılar ve Gizli Uzay” dersin tüm metni burada web'de ücretsiz olarak okunabilir. Etkileşimli olarak pratik yapmak (yerleşik kod editörü ve 7/24 yapay zeka koçu) ve Deep Learning Academy kursunun geri kalanını açmak için CoddyKit PRO'ya yükselt. Deep Learning Academy kursu toplamda 4 dersten oluşur.
“Değişimsel Otomatik Kodlayıcılar ve Gizli Uzay” dersinde ne öğreneceğim?
Öğrenilmiş bir dağılımdan yeni veriler örnekleyin. Deep Learning Academy ile uygulamalı kodu tarayıcıda doğrudan çalıştırarak pratik yaparsın ve 7/24 yapay zeka koçu dersi çalışırken sorularını yanıtlar.
Deep Learning Academy öğrenmeye başlamak için deneyim gerekli mi?
Önceden deneyim gerekmez. CoddyKit'te Deep Learning Academy, başlangıçtan ileri seviyeye kadar yapılandırıldığı için buradan başlayabilir veya başından başlayıp kendi hızında ilerleme yapabilirsin. Bu, 4 dersinin 3. dersidir.
“Değişimsel Otomatik Kodlayıcılar ve Gizli Uzay” dersi ne kadar sürer?
Çoğu CoddyKit dersi yaklaşık 5–10 dakika sürer. Her biri kısa ve etkileşimli olduğu için sabit ilerleme yaparsın ve web ile uygulama arasında tam olarak bıraktığın yerden devam edebilirsin.
Bu Deep Learning Academy dersinde kod yazıp çalıştırabilir miyim?
Evet. Her Deep Learning Academy dersi yerleşik bir kod editörü içerir, bu sayede tarayıcıda gerçek kod yazıp çalıştırabilir ve anlık yapay zeka geri bildirimi alırsın — yerel kurulum gerekli değildir.
Bu kursun tüm dersleri
- Kodlayıcı, Darboğaz ve Kod Çözücü
- Gürültü Gideren Otomatik Kodlayıcılar
- Değişimsel Otomatik Kodlayıcılar ve Gizli Uzay
- Yeniden Oluşturma Hatasıyla Anomali Algılama