forked from mindspore-Ecosystem/mindspore
48 lines
2.2 KiB
ReStructuredText
48 lines
2.2 KiB
ReStructuredText
mindspore.nn.probability.dpn.ConditionalVAE
|
||
===========================================
|
||
|
||
.. py:class:: mindspore.nn.probability.dpn.ConditionalVAE(encoder, decoder, hidden_size, latent_size, num_classes)
|
||
|
||
条件变分自动编码器 (CVAE)。
|
||
与 VAE 的区别在于 CVAE 使用标签信息。有关更多详细信息，请参阅 `基于深度条件生成模型学习结构化输出表示 <http://papers.nips.cc/paper/5775-learning-structured-output-representation-using-deep-conditional-generative-models>`_。
|
||
|
||
.. note::
|
||
定义编码器和解码器时，编码器的输出 Tensor 和解码器的输入 Tensor 的 shape 必须是 :math:`(N, hidden\_size)`。潜在大小必须小于或等于隐藏大小。
|
||
|
||
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 的隐藏大小。
|
||
- **latent_size** (int) - 潜在空间的大小。
|
||
- **num_classes** (int) - 类的数量。
|
||
|
||
输入：
|
||
- **input_x** (Tensor) - 输入 Tensor 的 shape 是 :math:`(N, C, H, W)`，与编码器的输入相同。
|
||
- **input_y** (Tensor) - 目标数据的 Tensor，shape 为 :math:`(N,)`。
|
||
|
||
输出：
|
||
- **output** (tuple) - tuple 包含 (recon_x(Tensor), x(Tensor), mu(Tensor), std(Tensor))。
|
||
|
||
.. py:method:: generate_sample(sample_y, generate_nums, shape)
|
||
|
||
从潜在空间中随机采样以生成样本。
|
||
|
||
参数：
|
||
- **sample_y** (Tensor) - 定义样本的标签。Tensor 的 shape (`generate_nums`, ) 和类型 mindspore.int32。
|
||
- **generate_nums** (int) - 要生成的样本数。
|
||
- **shape** (tuple) - 样例的 shape，格式必须为 (`generate_nums`, C, H, W) 或 (-1, C, H, W)。
|
||
|
||
返回：
|
||
Tensor，生成的样本。
|
||
|
||
.. py:method:: reconstruct_sample(x, y)
|
||
|
||
从原始数据重建样本。
|
||
|
||
参数：
|
||
- **x** (Tensor) - 重构的输入 Tensor，shape 为 (N, C, H, W)。
|
||
- **y** (Tensor) - 输入 Tensor 的 label，shape 为 (N, C, H, W)。
|
||
|
||
返回：
|
||
Tensor，重建的样本。
|