pytorch/examples

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

開放

#399 建立於 2018年8月7日

在 GitHub 查看貢獻者指南
 (7 則留言) (22 個反應) (0 位負責人)Python (9,429 個分叉)batch import
good first issue

倉庫指標

星標
 (21,634 顆星)
PR 合併指標
 (PR 指標待抓取)

描述

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

貢獻者指南

研究方向
回顧變分自編碼器損失（ELBO）的推導。BCE 和 MSE 的選擇對應重建似然函數分別假設為伯努利分布或高斯分布。參閱 VAE 原始論文（Kingma & Welling）及相關變分推斷資料。
技術棧
pythonpytorch
領域
machine learningai
議題類型
調研
難度面向新貢獻者的預計實作難度，1 表示很小改動，5 表示專家級工作。
2
預計時間有經驗貢獻者完成調查、實作、測試並準備 pull request 的粗略時間範圍。
1 小時以內
活動狀態議題目前的可參與程度：新鮮、活躍、陳舊、阻塞或等待維護者輸入。
活躍
清晰度議題是否清楚說明預期改動、驗收標準和下一步。
清晰
前置要求
PythonPyTorch
新手友善度1-100 的估計分數，表示該議題對首次貢獻者的友善程度。
70