(TensorFlow)变分自编码器实现-CSDN博客

变分自编码器（VAEs）是学习低维数据表示的强大模型。TensorFlow的分发包提供了一种简单的方法来实现不同类型的VAE。

在这篇文章中，我将引导你完成在MNIST上训练简单VAE的步骤，主要侧重于实战。

1.定义网络：

VAE由三部分组成：编码器q（z | x ），先验p（z ），解码器p（x | z ）。

8dc1a90339e35707cab9b41c8cd48606c9297823

编码器将图像映射到针对该图像的代码的分布上。这种分布也被称为后验（posterior），因为它反映了我们关于代码应该用于给定图像之后的准确度。

import tensorflow as tf
tfd = tf.contrib.distributions
def make_encoder(data, code_size):
  x = tf.layers.flatten(data)
  x = tf.layers.dense(x, 200, tf.nn.relu)
  x = tf.layers.dense(x, 200, tf.nn.relu)
  loc = tf.layers.dense(x, code_size)
  scale = tf.layers.dense(x, code_size, tf.nn.softplus)
  return tfd.MultivariateNormalDiag(loc, scale)

先验（prior）是固定的，上面我们还定义了我们期望的代码块分布。这对VAE可以使用的代码块提供了一个非常弹性的选择空间。它通常只是一个零均值和单位方差的正态分布。

def make_prior(code_size):
  loc = tf.zeros(code_size)
  scale = tf.ones(code_size)
  return tfd.MultivariateNormalDiag(loc, scale)

解码器需要编写一个代码块并将其映射回合理的图像分布。它允许我们重建图像，或为我们选择的任何代码块生成新图像。

import numpy as np
def make_decoder(code, data_shape):
  x = code
  x = tf.layers.dense(x, 200, tf.nn.relu)
  x = tf.layers.dense(x, 200, tf.nn.relu)
  logit = tf.layers.dense(x, np.prod(data_shape))
  logit = tf.reshape(logit, [-1] + data_shape)
  return tfd.Independent(tfd.Bernoulli(logit), 2)

在这里，我们对数据使用伯努利分布，将像素建模为二进制值。根据数据的类型和领域，您可能需要以不同的方式对其进行建模，例如再次以正态分布的形式进行建模。

该tfd.Independent(..., 2)告诉TensorFlow，内部两个尺寸——（宽度和高度）。在我们的例子中，属于同一个数据点，即使他们有独立的参数。这使我们能够评估分布下图像的概率，而不仅仅是单个像素。

2.重新使用模型

我们希望使用解码器网络两次，计算下一节中描述的重构损失，以及一些随机采样的可视化代码块。

在TensorFlow中，如果您调用两次网络功能，它将创建两个独立的网络。TensorFlow模板允许您打包一个函数，以便多次调用它将重用相同的网络参数。

make_encoder = tf.make_template('encoder', make_encoder)
make_decoder = tf.make_template('decoder', make_decoder)

之前没有可训练的参数，所以我们不需要将其包装到模板中。

3.定义损失

我们希望找到为我们的数据集分配最高可能性的网络参数。然而，数据点的可能性取决于最好的代码块，这点在训练中是我们不知道。

代替的，我们将使用（ELBO）对数据可能性进行近似训练。

这里的重要细节是，ELBO仅使用给定我们当前对其代码块的估计的数据点的可能性，我们可以对其进行抽样。

data = tf.placeholder(tf.float32, [None, 28, 28])
prior = make_prior(code_size=2)
posterior = make_encoder(data, code_size=2)
code = posterior.sample()
likelihood = make_decoder(code, [28, 28]).log_prob(data)
divergence = tfd.kl_divergence(posterior, prior)
elbo = tf.reduce_mean(likelihood - divergence)

一个直观的解释是，最大化ELBO可以最大限度地提供给定当前代码的数据的可能性，同时鼓励代码接近我们先前的代码应该是什么样子的信念。

4.运行训练

我们使用梯度下降来最大化ELBO。这是一个非常可行的方案，因为采样操作是在内部使用重新参数化技巧来实现的，所以TensorFlow可以通过它们反向传播。

optimize = tf.train.AdamOptimizer(0.001).minimize(-elbo)

而且，我们从之前的样本中抽取一些随机代码来可视化VAE学到的相应图像。这就是上面我们使用tf.make_template()的原因，让我们再次调用解码器网络。

samples = make_decoder(prior.sample(10), [28, 28]).mean()

最后，我们加载数据并创建一个会话来运行训练：

from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets('MNIST_data/')
with tf.train.MonitoredSession() as sess:
  for epoch in range(20):
    test_elbo, test_codes, test_samples = sess.run(
        [elbo, code, samples], {data: mnist.test.images})
    print('Epoch', epoch, 'elbo', test_elbo)
    plot_codes(test_codes)
    plot_sample(test_samples)
    for _ in range(600):
      sess.run(optimize, {data: mnist.train.next_batch(100)[0]})

如果你想玩代码，看看完整的代码示例，它也包含在这篇文章中其他省略的绘图，以及前几个训练阶段的解码样本。

d1b57a079acd47d7bb17088e905fb0ba440def5b