- 深度学习-6-自编码器和去噪自动编码器和变分自编码器
参考keras基于自编码器的语音信号降噪参考今天来介绍一下什么是去噪自动编码器（DenoisingAutoencoder）1keras实现自编码器图像去噪自编码器是一种简单的人工神经网络(ANN)，经过训练可以学习输入数据的编码表示，这种无监督机制不需要标签。自编码器由两个神经网络组成，前半......
- VAE（Variational auto-encoder）
1.VAE（Variationalauto-encoder）笔记来源及推荐文章：1.变分自编码器（一）：原来是这么一回事2.变分自编码器（二）：从贝叶斯观点出发3.变分自编码器（三）：这样做为什么能成？4.变分自编码器（四）：一步到位的聚类方案5.变分自编码器=最小化先验分布+最大化互信息6.变分自编码器（六）：从几何......
- stm32 EC11编码器
#include"encoder.h"//A线作为时钟线，B线作为信号线//*******************************************************************///功能：初始化EC11旋转编码器相关参数//返回：无//详解：对EC11旋转编码器的连接IO口做IO口模式设置。以及将相关的变量进行初始化//************......
- libaom 编码器 aomenc 使用文档介绍
使用方法：./aomenc<选项>-o目标文件名源文件名使用--help查看完整的选项列表。选项：--help显示使用选项并退出-c<参数>,--cfg=<参数>使用配置文件-D,--debug调试模式（使输出确定性）-o<参数>,--output=<参数>输出文件名--codec=<参数>使用的编解码器-p<参数......
- 生成扩散模型漫谈（二）：DDPM = 自回归式VAE
在文章《生成扩散模型漫谈（一）：DDPM=拆楼+建楼》中，我们为生成扩散模型DDPM构建了“拆楼-建楼”的通俗类比，并且借助该类比完整地推导了生成扩散模型DDPM的理论形式。在该文章中，我们还指出DDPM本质上已经不是传统的扩散模型了，它更多的是一个变分自编码器VAE，实际上DDPM的原论文中也......
- 变分自编码器（六）：从几何视角来理解VAE的尝试
前段时间公司组织技术分享，轮到笔者时，大家希望我讲讲VAE。鉴于之前笔者也写过变分自编码器系列，所以对笔者来说应该也不是特别难的事情，因此就答应了下来，后来仔细一想才觉得犯难：怎么讲才好呢？ 对于VAE来说，之前笔者有两篇比较系统的介绍：《变分自编码器（一）：原来是这么一回事》和《变分......
- 变分自编码器（七）：球面上的VAE（vMF-VAE）
在《变分自编码器（五）：VAE+BN=更好的VAE》中，我们讲到了NLP中训练VAE时常见的KL散度消失现象，并且提到了通过BN来使得KL散度项有一个正的下界，从而保证KL散度项不会消失。事实上，早在2018年的时候，就有类似思想的工作就被提出了，它们是通过在VAE中改用新的先验分布和后验分布，来使得KL散......
- UniVAE：基于Transformer的单模型、多尺度的VAE模型
大家都知道，Transformer的$\mathscr{O}(n^2)$复杂度是它的“硬伤”之一。不过凡事有弊亦有利，$\mathscr{O}(n^2)$的复杂度也为Transformer带来很大的折腾空间，我们可以灵活地定制不同的attentionmask，来设计出不同用途的Transformer模型来，比如UniLM、K-BERT等。本文介绍笔者构思的一......
- 变分自编码器（八）：估计样本概率密度
在本系列的前面几篇文章中，我们已经从多个角度来理解了VAE，一般来说，用VAE是为了得到一个生成模型，或者是做更好的编码模型，这都是VAE的常规用途。但除了这些常规应用外，还有一些“小众需求”，比如用来估计$x$的概率密度，这在做压缩的时候通常会用到。本文就从估计概率密度的角度来了解和......
- libaom 编码器实验 AV1 标准 SVC 分层编码
SVC编码视频SVC编码，即ScalableVideoCoding（可适性视讯编码或可分级视频编码），是H.264/MPEG-4AVC编码的一种扩展，它提供了更大的编码弹性，并且具有时间可适性（TemporalScalability）、空间可适性（SpatialScalability）及讯杂比（质量）可适性（SNRScalability）三大特性。这种编码方式允......