VAE(Variational Autoencoder)简单记录

前言

经常遇到它，然而每次小补之后又忘了，害，干脆开一篇慢慢记录一下吧。
VAE -> VQVAE, 主要是加了Vector Quantization

关于 VQ-VAE 可查看这篇 生成模型之VQ-VAE

本文会不断更新…

这篇写的不错，有空好好看看 变分自编码器VAE：原来是这么一回事 | 附开源代码, 苏剑林大佬的文章。

理论

训练阶段

直白话就是，输入一个样本(图片)，编码器将这个样本抽取特征后，学习两个量，一个是均值一个是方差。
feature = encoder(img)
mu, var = w_mu(feature), w_var(feature)
然后就可以根据均值和方差，采样出隐变量 z 啦。
eps = torch.rand_like(mu)
z = mu + (var) ** 0.5 * eps

然后呢，我们根据这个隐变量 z， 就可以解码出图片了。
img_generate = decoder(z)

如果维度不对，还可以加一层全连接层映射一下维度呢。

预测阶段

先生成一个随机的隐变量 z, 注意 z 的维度,
然后塞给decoder即可。

代码

以下代码来源: https://zhuanlan.zhihu.com/p/151587288
训练代码可查看 https://shenxiaohai.me/2018/10/20/pytorch-tutorial-advanced-02/
就是与 ground truth 做一个crossEntropyloss, 再加上一个KLloss

class VAE(nn.Module):
    def __init__(self, latent_dim):
        super().__init__()
        
        self.encoder = nn.Sequential(nn.Linear(28 * 28, 256),
                                     nn.ReLU(),
                                     nn.Linear(256, 128))
        
        self.mu     = nn.Linear(128, latent_dim)
        self.logvar = nn.Linear(128, latent_dim)
        
        self.latent_mapping = nn.Linear(latent_dim, 128)
        
        self.decoder = nn.Sequential(nn.Linear(128, 256),
                                     nn.ReLU(),
                                     nn.Linear(256, 28 * 28))
        
        
    def encode(self, x):
        x = x.view(x.size(0), -1)
        encoder = self.encoder(x)
        mu, logvar = self.mu(encoder), self.logvar(encoder)
        return mu, logvar
        
    def sample_z(self, mu, logvar):
        eps = torch.rand_like(mu)
        return mu + eps * torch.exp(0.5 * logvar)
    
    def decode(self, z,x):
        latent_z = self.latent_mapping(z)
        out = self.decoder(latent_z)
        reshaped_out = torch.sigmoid(out).view(x.shape[0],1, 28,28)
        return reshaped_out
        
    def forward(self, x):
        
        mu, logvar = self.encode(x)
        z = self.sample_z(mu, logvar)
        output = self.decode(z,x)
        
        return output

# 创建优化器
num_epochs = 10
learning_rate = 1e-3
optimizer = torch.optim.Adam(model.parameters(), lr=learning_rate)

for epoch in range(num_epochs):
    for i, (x, _) in enumerate(data_loader):
        # 获取样本，并前向传播
        x = x.to(device).view(-1, 28 * 28)
        x_predict = model(x)
        
        # 计算重构损失和KL散度（KL散度用于衡量两种分布的相似程度）
        # KL散度的计算可以参考论文或者文章开头的链接
        reconst_loss = F.binary_cross_entropy(x_predict, x, size_average=False)
        kl_div = - 0.5 * torch.sum(1 + log_var - mu.pow(2) - log_var.exp())
        
        # 反向传播和优化
        loss = reconst_loss + kl_div
        optimizer.zero_grad()
        loss.backward()
        optimizer.step()