forked from mindspore-Ecosystem/mindspore
53 lines
1.7 KiB
ReStructuredText
53 lines
1.7 KiB
ReStructuredText
mindspore.nn.probability.toolbox.VAEAnomalyDetection
|
||
====================================================
|
||
|
||
.. py:class:: mindspore.nn.probability.toolbox.VAEAnomalyDetection(encoder, decoder, hidden_size=400, latent_size=20)
|
||
|
||
使用 VAE 进行异常检测的工具箱。
|
||
|
||
变分自动编码器（VAE）可用于无监督异常检测。异常分数是 X 与重建 X 之间的误差。如果分数高，则 X 大多是异常值。
|
||
|
||
**参数：**
|
||
|
||
- **encoder** (Cell) - 定义为编码器的深度神经网络 (DNN) 模型。
|
||
- **decoder** (Cell) - 定义为解码器的深度神经网络 (DNN) 模型。
|
||
- **hidden_size** (int) - 编码器输出 Tensor 的大小。默认值：400。
|
||
- **latent_size** (int) - 潜在空间的大小。默认值：20。
|
||
|
||
.. py:method:: predict_outlier(sample_x, threshold=100.0)
|
||
|
||
预测样本是否为异常值。
|
||
|
||
**参数：**
|
||
|
||
- **sample_x** (Tensor) – 待预测的样本，shape 为 (N, C, H, W)。
|
||
- **threshold** (float) – 异常值的阈值。默认值：100.0。
|
||
|
||
**返回：**
|
||
|
||
bool值，样本是否为异常值。
|
||
|
||
.. py:method:: predict_outlier_score(sample_x)
|
||
|
||
预测异常值分数。
|
||
|
||
**参数：**
|
||
|
||
- **sample_x** (Tensor) - 待预测的样本，shape 为 (N, C, H, W)。
|
||
|
||
**返回：**
|
||
|
||
float，样本的预测异常值分数。
|
||
|
||
.. py:method:: train(train_dataset , epochs =5)
|
||
|
||
训练 VAE 模型。
|
||
|
||
**参数：**
|
||
|
||
- **train_dataset** (Dataset) - 用于训练模型的数据集迭代器。
|
||
- **epochs** (int) - 数据的迭代总数。默认值：5。
|
||
|
||
**返回：**
|
||
|
||
Cell，训练完的模型。 |