pytorch/examples

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

Ouverte

#399 ouverte le 7 août 2018

Voir sur GitHubGuide contributeur
 (7 commentaires) (22 réactions) (0 personne assignée)Python (9 429 forks)batch import
good first issue

Métriques du dépôt

Stars
 (21 634 étoiles)
Métriques de merge PR
 (Métriques PR en attente)

Description

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

Guide contributeur

Direction de recherche
Révisez la derivation de la perte VAE (ELBO). Le choix entre BCE et MSE correspond à l'hypothèse d'une vraisemblance de Bernoulli ou Gaussienne pour la reconstruction. Consultez l'article original VAE (Kingma & Welling) et des ressources sur l'inférence variationnelle.
Stack technique
pythonpytorch
Domaine
machine learningai
Type d'issue
Recherche
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
2
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
Moins d'une heure
Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.
Active
ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.
Claire
Prérequis
PythonPyTorch
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
70