pytorch vqvae

复制神经离散表示学习

IFT 6135的课程项目 - 表示学习

项目报告链接：final_project.pdf

指示

1. 要用报告中讨论的默认参数培训VQVAE，请执行：

 python vqvae.py --data-folder /tmp/miniimagenet --output-folder models/vqvae

2. 要在潜伏期上训练Pixelcnn先验，请执行：

 python pixelcnn_prior.py --data-folder /tmp/miniimagenet --model models/vqvae --output-folder models/pixelcnn_prior

测试数据集

图像

1. mnist
2. 时尚人士
3. CIFAR10
4. 迷你象征

视频

1. Atari 2600-拳击（OpenAI Gym）代码

VQ-VAE的重建

前4行是原始图像。底部4行是重建。

mnist

时尚麦克尼斯特

从潜在的vqvae带有pixelcnn的班级条件样本

mnist

时尚麦克尼斯特

评论

1. 我们注意到，实施我们自己的矢量量化Pytorch功能，将VQ-VAE的训练加速了近3倍。较慢，但更简单的代码在此提交中。
2. 我们为向量量化函数（基于pytest ）添加了一些基本测试。进行这些测试

 py.test . -vv

作者

1. Rithesh Kumar
2. 特里斯坦·德勒（Tristan Deleu）
3. 埃文·拉卡（Evan Racah）