tensorflow-mnist-VAE, MNIST变分自动编码器的Tensorflow实现.zip

上传者: 38744270 | 上传时间: 2021-07-06 10:46:18 | 文件大小: 379KB | 文件类型: ZIP
tensorflow-mnist-VAE, MNIST变分自动编码器的Tensorflow实现 用于MNIST的变分本文介绍了一种用于 MNIST descripbed的变分自动编码器( VAE )的实现方法:基于等的自动编码变分贝叶斯。结果复制训练良好的VAE必须能够复制输入图像。图 5显示了不同dimensiona

文件下载

资源详情

[{"title":"( 14 个子文件 379KB ) tensorflow-mnist-VAE, MNIST变分自动编码器的Tensorflow实现.zip","children":[{"title":"tensorflow-mnist-VAE-master","children":[{"title":"README.md <span style='color:#111;'> 3.83KB </span>","children":null,"spread":false},{"title":"run_main.py <span style='color:#111;'> 11.21KB </span>","children":null,"spread":false},{"title":"plot_utils.py <span style='color:#111;'> 4.31KB </span>","children":null,"spread":false},{"title":"results","children":[{"title":"dim_z_5.jpg <span style='color:#111;'> 17.19KB </span>","children":null,"spread":false},{"title":"input_noise.jpg <span style='color:#111;'> 41.90KB </span>","children":null,"spread":false},{"title":"PMLR_map.jpg <span style='color:#111;'> 162.31KB </span>","children":null,"spread":false},{"title":"dim_z_20.jpg <span style='color:#111;'> 18.65KB </span>","children":null,"spread":false},{"title":"denoising.jpg <span style='color:#111;'> 16.14KB </span>","children":null,"spread":false},{"title":"PMLR.jpg <span style='color:#111;'> 64.43KB </span>","children":null,"spread":false},{"title":"input.jpg <span style='color:#111;'> 21.50KB </span>","children":null,"spread":false},{"title":"dim_z_10.jpg <span style='color:#111;'> 18.13KB </span>","children":null,"spread":false},{"title":"dim_z_2.jpg <span style='color:#111;'> 15.96KB </span>","children":null,"spread":false}],"spread":true},{"title":"vae.py <span style='color:#111;'> 3.53KB </span>","children":null,"spread":false},{"title":"mnist_data.py <span style='color:#111;'> 5.32KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明