pytorch/examples

VAE reconstruction loss (BCE)

Ouverte

#460 ouverte le 1 déc. 2018

Voir sur GitHubGuide contributeur
 (2 commentaires) (3 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

The current implementation uses

F.binary_cross_entropy(recon_x, x.view(-1, 784), reduction='sum')

as the reconstruction loss. The image x has pixel values in [0,1]. This is not the same as Bernoulli log likelihood. The images would have to binarized.

In Ladder Variational Autoencoders by Sonderby et al, they binarize the images as a Bernoulli sample after each epoch.

Guide contributeur

Direction de recherche
Étudiez comment binariser les images dans l'exemple VAE et modifiez la boucle d'entraînement pour binariser les images après chaque époque comme décrit dans l'article Ladder VAE.
Stack technique
pythonpytorch
Domaine
machine learning
Type d'issue
Bug
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
3
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
1-3 heures
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
PythonPyTorchVariational Autoencoders
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
65