Skip to content

Latest commit

 

History

History
78 lines (50 loc) · 1.57 KB

readme.md

File metadata and controls

78 lines (50 loc) · 1.57 KB
Raw

VAE-PyTorch

这是一个使用PyTorch实现的变分自编码器(VAE)项目。

项目描述

本项目实现了一个基本的变分自编码器(VAE)，用于处理MNIST手写数字数据集。VAE是一种生成模型，能够学习数据的压缩表示并生成新的样本。

功能特点

  • 使用PyTorch框架实现VAE模型
  • 包含编码器、解码器和重参数化技巧
  • 使用MNIST数据集进行训练
  • 结合重构误差(BCE)和KL散度的损失函数
  • 支持GPU加速（如果可用）

环境要求

  • Python 3.6+
  • PyTorch
  • torchvision

安装依赖

pip install torch torchvision

使用方法

  1. 克隆仓库：
git clone https://github.com/您的用户名/vae-pytorch.git
cd vae-pytorch
  1. 运行主程序：
python main.py

代码结构

  • main.py: 包含VAE模型定义、训练循环和主函数

模型架构

  • 输入维度：784 (28x28 MNIST图像)
  • 隐藏层维度：400
  • 潜在空间维度：20

训练细节

  • 优化器：Adam
  • 学习率：1e-3
  • 批次大小：128
  • 训练轮数：10 epochs

注意事项

  • 如果有CUDA设备可用，模型会自动使用GPU进行训练
  • 可以通过调整main.py中的参数来修改模型架构和训练设置

未来改进

  • 添加模型评估和图像生成功能
  • 实现更复杂的VAE变体
  • 添加可视化工具以展示训练过程和生成结果

贡献

欢迎提出问题、建议或直接贡献代码。请随时创建issue或提交pull request。

许可证

本项目采用MIT许可证。详情请见LICENSE文件。