問題タブ [bayesian-deep-learning]

私は Pytorch で Mc Dropout を使用してベイジアン CNN を実装しようとしています。主なアイデアは、テスト時にドロップアウトを適用し、多くのフォワード パスを実行することで、さまざまなモデルから予測を取得することです。不確実性を取得する必要があります。どうすればそれができるか考えている人はいますか

これが私のCNN '''を定義した方法です

そして、これがmcドロップアウトのコードです

'''

この問題は、ここスタックオーバーフローと github で何度も言及されていることは知っていますが、私の場合、問題を解決するものは何もないようです。tensorflow_probability のモジュールを使用して、変分オートエンコーダーを試しています。メソッドを使用してモデルをトレーニングするmodel.fitと、最初のエポックでGradient Do not exist for the weights and biases variables of the decoder when minimizing the loss. 不可解な部分は 2 番目以降のエポックからのもので、すべてが正常に見え、出力が得られます。この問題を解決するために、どんな助けでも大歓迎です。完全を期すために、デコーダと警告が提供されています。

ここに要約があります。

そして、ここにフィット方法があります：

**enc_klreg はエンコーダです。

警告は次のとおりです。

ベイジアン ニューラル ネットワーク モデルをトレーニングして .h5 ファイルに保存した後、モデルによってトレーニングされた標準偏差と予測平均がわからないため、結果をプロットできません。予測を取得するために次の方法を使用しています。

したがって、基本的に、指定されたモデルの out.stddev() を使用して標準偏差を計算しようとしています。しかし、明らかにこのコードで定義されている out は、モデルの標準偏差の属性を持つ sth ではなく Tensor です。DenseFlipoutレイヤーを使用して、訓練されたベイジアンニューラルネットから標準偏差を取得する方法を知っている人はいますか? 前もって感謝します！