bayesian_dnns:贝叶斯深度神经网络的实践与实验，主要使用pixyz-源码

pytorch bayesian-deep-learning pixyz Python

bayesian_dnns 具有的贝叶斯深层神经网络的实践与实验。 GMVAE 提出的高斯混合变分自动编码器的实现。通过对生成模型使用高斯混合先验，其对不平衡数据的鲁棒性要比Kingma的m2模型高得多。我还提到了示例：MNIST不平衡数据标记的[标签：图片数量] [0：1000、1：10、2：10、3：10、4：10、5：100、6：70、7：40、8：50、9：30] 未贴标签总计50000张图像。每个标签的采样率与标签数据相同（不平衡）。验证总计10000张图片。每个标签的采样率相等（平衡）结果金马的M2模型潜在变量（维度0和1）和重建的图像。 GMVAE 潜在变量（维度0和1）和重建的图像。您可以看到每个标签似乎都有自己的分布。

文件下载

评论信息

其他资源

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

bayesian_dnns:贝叶斯深度神经网络的实践与实验，主要使用pixyz-源码

文件下载

评论信息

其他资源

免责申明

个人信息

相关资源标签

热门下载

最新下载