懂AI
variational-autoencoder

variational-autoencoder

变分自编码器参考实现，兼容TensorFlow和PyTorch

该项目提供了变分自编码器的参考实现，支持TensorFlow和PyTorch。项目中包含了逆自回归流变分家族的示例，通过变分推断对二值MNIST手写数字图像进行拟合。通过重要性采样估计边际似然，展示了高效的训练和验证结果。优化后的测试集边际对数似然达到了-95.33 nats。此外，该项目还提供了JAX实现，能够实现3倍于PyTorch的加速效果。

Variational AutoencodertensorflowPyTorchjaxMNISTGithub开源项目
GitHub文档

项目介绍：变分自编码器

变分自编码器（Variational Autoencoder，简称VAE）是深度学习领域中的一种生成模型，它的主要任务是对数据进行压缩和再生成。该项目提供了基于TensorFlow和PyTorch的变分自编码器的参考实现。这两个框架各有优劣，作者特别推荐了PyTorch版本，因为它包含了一个更具表现力的变分族——逆自回归流（Inverse Autoregressive Flow）。

项目背景

变分自编码器通过变分推断技法对模型进行训练，在这里模型主要用于拟合二值化的MNIST手写数字数据集。这一过程可通过编码器（推断网络）来实现，它帮助简化了推断并能在不同的数据点之间共享参数。同时，生成网络（解码器）用于参数化生成的可能性。

PyTorch 实现

在PyTorch实现中，项目通过重要性采样来估计边际似然，对于Hugo Larochelle的Binary MNIST数据集，最后在测试集上的边际似然估计达到-97.10 nats，这一数值与已发表的结果相当。项目中实现的代码可以在终端环境中运行，示例如下：

$ python train_variational_autoencoder_pytorch.py --variational mean-field --use_gpu --data_dir $DAT --max_iterations 30000 --log_interval 10000

通过使用更加复杂的逆自回归流变分后验逼近，测试集的边际对数似然提升到-95.33 nats，更好的捕捉数据特征：

$ python train_variational_autoencoder_pytorch.py --variational flow

JAX 实现

相比较而言，JAX实现版本在性能上有所突破，能够实现3倍于PyTorch的速度加快。同样的，用户可以利用命令行运行JAX版本的模型：

$ python train_variational_autoencoder_jax.py --variational mean-field

而在使用逆自回归流时，尽管代码实现中缺乏卷积操作，但仍可达到较好的结果。使用残差块能够达到更低的ELBO值：

$ python train_variational_autoencoder_jax.py --variational flow

生成GIF动画

为了直观展示训练过程，项目还提供了生成GIF动画的步骤。首先运行TensorFlow版本的训练脚本生成JPEG文件，然后使用ImageMagick工具合成GIF动画。

项目改进

当前项目仍在不断完善中，以下是几个未来可能的方向：

  • 添加多GPU/TPU选项，提高大规模运算中的效率。
  • 为PyTorch和JAX实现添加JaxTyping支持，以实现运行时的静态类型检查。

以上为变分自编码器项目的概况及其实现细节。该项目从构想到实现为研究者提供了一个实践探索的工具，可以帮助用户深入理解生成模型的原理及实现细节。

编辑推荐精选

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
问小白

问小白

全能AI智能助手，随时解答生活与工作的多样问题

问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

下拉加载更多