RuntimeError: element 0 of tensors does not require grad and does not have a grad_fn
list没有mean()方法,必须转为ndarray
一直没想通VAE怎么实现特征学习,怎么着才算是训练好了可以用来被信任用于学习特征呢?
PCA的话不需要想什么,直接算特征值,然后拿出前几个特征值和对应的特征向量,就好了,可是VAE模型这么多参数(网络权重),饿哦应该怎么判断网络训练好了呢,毕竟是无监督的训练,只能看损失,可是这个损失图能说明模型可以信赖了?什么超参数都没调,也没说什么正则化,····
关键问题就是不知如何判断VAE的过拟合
我是不是应该让模型过拟合,这样学出来的模型就能够学到我的数据的有效特征呀
难道VAE特征学习的过程就是直接拿所有数据进去训练几十个epoch,再把所有数据拿到训练好的模型直接测试?????
网上这方面的介绍太少了,
numpy数组的最后一行怎么访问?
突然犯傻了,
为什么验证损失比训练损失小,一直是,从一开始就是