Comments (6)
それぞれの損失の一部でevalメソッドを呼び出せばできると思います.
例えばVAE(q, p, regularizer=kl, ...)
で定義されたVAEでは,kl.eval(x_dict)
と-p.log_prob().expectation(q).eval(x_dict)
またはStochasticReconstructionLoss(q, p).eval(x_dict)
でKL divergenceと再構成誤差が評価できます.
ただしそれぞれの損失のevalでは別々の(確率的な)計算が実行されるため,これを一元化したい場合の実装は現状では困難です.中間結果を明示的にsample
やeval
メソッドで取り出せばできる場合もあります(中間の変数や損失がすでに定義されている場合など).
from pixyz.
回答ありがとうございます。
おっしゃる通り、実行してみたところ、実行した分、Encoder/Decoderも実行されました。
追加の計算なしでの取得は現状、非常に困難という理解でよいでしょうか?
from pixyz.
今回の件については,以下のようにhについての期待値計算を手続き的に実装すればできそうです.
class Decoder(Normal):
...
class EncoderBase(Determinisitic):
def __init__(self):
super().__init__(cond_var=['x'], var=['h'])
...
...
def train():
...
p = Decoder()
q1 = EncoderBase()
q2 = Normal(var=['z'], cond_var=['h'], ...)
prior = Normal(...)
kl = KullbackLeibler(q2, prior)
reconst = -p.log_prob().expectation(q2)
...
h_dict = q1.sample(x_dict)
kl_value = kl.eval(h_dict)
reconst_value = reconst.eval(h_dict)
from pixyz.
回答ありがとうございました。
この方法を使ってみようと思います。
ただ、変なことを言うかもしれませんが、せっかくVAEというクラスを用意して頂いているのだから、もっと簡単にかけるとありがたいと考えています。
将来の機能として検討いただけますでしょうか?
from pixyz.
いつのバージョンから取り入れるかはまだ明言できませんが,検討中です.
pixyzの実用的な自由度を広げる上で,貴重なご意見ありがとうございます.
from pixyz.
検討いただき、ありがとうございます。
対応をお待ちしています。
from pixyz.
Related Issues (20)
- IterativeLoss may have a bug(?)
- Encoder is executed 2 times in VAE HOT 2
- "invalid equation" in README.md HOT 1
- Implementation of NVAE
- feature request: MultivariateNormal
- How to get progress in pixyz batch processing
- why need 'double_after_norm' in resnet.py?
- Add .mean() and .sum() in Loss classes
- Add ELBO and NLL as Loss classes HOT 1
- Write an introduction and tutorials in English
- Add the "marginalization" option
- Add the Data distribution and the degenerate distribution HOT 1
- Add Arxiv paper link to readme HOT 1
- Add von Mises-Fisher distribution
- Change the name of evaluation method in each API HOT 1
- Implementation of the MVAE model HOT 3
- typo in README.md HOT 1
- Annealing beta in the loss function HOT 2
- Your Glow or RealNVP's implementation is forgot Split Layer, I think HOT 3
Recommend Projects
-
React
A declarative, efficient, and flexible JavaScript library for building user interfaces.
-
Vue.js
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
-
Typescript
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
-
TensorFlow
An Open Source Machine Learning Framework for Everyone
-
Django
The Web framework for perfectionists with deadlines.
-
Laravel
A PHP framework for web artisans
-
D3
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
-
Recommend Topics
-
javascript
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
-
web
Some thing interesting about web. New door for the world.
-
server
A server is a program made to process requests and deliver data to clients.
-
Machine learning
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
-
Visualization
Some thing interesting about visualization, use data art
-
Game
Some thing interesting about game, make everyone happy.
Recommend Org
-
Facebook
We are working to build community through open source technology. NB: members must have two-factor auth.
-
Microsoft
Open source projects and samples from Microsoft.
-
Google
Google ❤️ Open Source for everyone.
-
Alibaba
Alibaba Open Source for everyone
-
D3
Data-Driven Documents codes.
-
Tencent
China tencent open source team.
from pixyz.