pytorch/examples

Why don't we use MSE as a reconstruction loss for VAE ?

Offen

#399 geöffnet am 07.08.2018

Auf GitHub ansehenContributor Guide
 (7 Kommentare) (22 Reaktionen) (0 zugewiesene Personen)Python (9.429 Forks)batch import
good first issue

Repository-Metriken

Stars
 (21.634 Sterne)
PR-Merge-Metriken
 (PR-Metriken ausstehend)

Beschreibung

Hi,

I am wondering if there is a theoretical reason for using BCE as a reconstruction loss for variation auto-encoders ? Can't we simply use MSE or norm-based reconstruction loss instead ?

Best Regards

Contributor Guide

Research-Richtung
Überprüfen Sie die Herleitung des VAE Verlusts (ELBO). Die Wahl zwischen BCE und MSE entspricht der Annahme einer Bernoulli oder Gaußschen Likelihood für die Rekonstruktion. Sehen Sie sich das ursprüngliche VAE Papier (Kingma & Welling) und Ressourcen zur variationalen Inferenz an.
Tech Stack
pythonpytorch
Domain
machine learningai
Issue Type
Recherche
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
2
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
Unter 1 Stunde
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Aktiv
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Klar
Voraussetzungen
PythonPyTorch
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
70