問題タブ [mean-square-error]

ANDゲートをエミュレートするための原始的なニューラルネットワークを構築しています。損失関数は MSE です。

以下に、予測と目的の出力 (別名ラベル) があります。

各行 (上記のマトリックスの両方) は、1 つのケースを示します。ベクトルに分割するのではなく、すべてのケースをこのようにまとめておきたいと思います。問題は、各行を個別に処理する必要があることです。

次の結果を得ようとしていますが、まだできませんでした：

私は次の機能を試しました...

しかし、一度に行ではなく、 「欲望」がマトリックス全体として渡されているため、機能しませんでした。それで、「mse関数」の実装やループを変更せずにそれを達成する方法はありますか?

この変分オートエンコーダー チュートリアルに従っています: https://keras.io/examples/generative/vae/。

VAE の損失関数は、元の画像と再構成を比較する再構成損失と、KL 損失で構成されていることを知っています。ただし、再構成の損失と、それが画像全体 (差の二乗和) であるか、ピクセルごと (差の二乗和の平均) であるかについて少し混乱しています。私の理解では、再構成損失はピクセルごと (MSE) である必要がありますが、私が従うコード例では、MSE28 x 28に MNIST 画像の寸法を掛けています。あれは正しいですか？さらに、これにより再構築損失項が KL 損失よりも大幅に大きくなるというのが私の仮定であり、それが望ましいかどうかはわかりません。

(28x28) による乗算を削除しようとしましたが、再構成が非常に貧弱になりました。基本的に、入力に関係なく、すべての再構成は同じように見えました。ラムダ パラメーターを使用して、kl 発散と再構築の間のトレードオフを捉えることはできますか、それとも、(正則化ペナルティを追加するのではなく) 損失が正確に導出されるため、それは正しくありません。