pytorch/examples

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

开放

#399 创建于 2018年8月7日

在 GitHub 查看贡献者指南
 (7 条评论) (22 个反应) (0 位负责人)Python (9,429 个派生)batch import
good first issue

仓库指标

星标
 (21,634 个星标)
PR 合并指标
 (PR 指标待抓取)

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

贡献者指南

研究方向
回顾变分自编码器损失（ELBO）的推导。BCE 和 MSE 的选择对应重建似然函数分别假设为伯努利分布或高斯分布。参阅 VAE 原始论文（Kingma & Welling）及相关变分推断资料。
技术栈
pythonpytorch
领域
machine learningai
议题类型
调研
难度面向新贡献者的预计实现难度，1 表示很小改动，5 表示专家级工作。
2
预计时间有经验贡献者完成调查、实现、测试并准备 pull request 的粗略时间范围。
1 小时以内
活动状态议题当前的可参与程度：新鲜、活跃、陈旧、阻塞或等待维护者输入。
活跃
清晰度议题是否清楚说明期望改动、验收标准和下一步。
清晰
前置要求
PythonPyTorch
新手友好度1-100 的估计分数，表示该议题对首次贡献者的友好程度。
70