交易中的机器学习：理论、模型、实践和算法交易 - 页 2252

[mytarmailS]

Maxim Dmitrievsky:

你是什么意思，你在跟我开玩笑？

我的意思是--我在你之前就知道什么是自动生成器了））。

[Maxim Dmitrievsky]

mytarmailS:

为什么那里会有一个神经元卡，你能解释一下方框图吗？

[mytarmailS]

Maxim Dmitrievsky:

你为什么决定用编码员取代gmm？

为什么你认为这样做效果会更好，你有一个想法，我对这个想法感兴趣，你知道吗？

[Maxim Dmitrievsky]

mytarmailS:

所以我想说，你为什么决定用编码员来取代GMM？

为什么你认为这样做效果会更好，你有一个想法，我对这个想法感兴趣，你知道吗？

因为它是同一个生成模型，但它是可定制的。

它在分数上的效果也很好，但在引号上的效果更差，我还没有搞清楚原因。

[mytarmailS]

Maxim Dmitrievsky:

因为它是相同的生成模型，但可以定制。

它在引号上的效果一样好，在引号上更糟糕，我还不知道为什么。

你有机会接触到净重和改变它们的能力吗？

[Vladimir Perervenko]

Maxim Dmitrievsky:

我对他们的期望更高。

编码器是一个神经元。

反正你也不会明白，但这里是它的结构。

那么，培训在哪里？这都是功能和等级。

[Maxim Dmitrievsky]

Vladimir Perervenko:

那么，培训在哪里呢？这都是功能和等级。

你需要一个训练周期吗？

[Vladimir Perervenko]

Maxim Dmitrievsky:

你需要一个学习周期吗？

据我所知，变异AE与普通AE的不同之处在于，在训练过程中，解码器不是被输入一个隐藏的，而是一个重新参数化的值。我没有看到它发生在哪里。

[Maxim Dmitrievsky]

Vladimir Perervenko:

据我所知，变异AE与普通AE的不同之处在于，在训练过程中，解码器不是被输入一个隐藏的，而是一个重新参数化的值。我没有看到它发生在哪里。

        z_mu, z_var = self.encoder(x)

        #  sample from the distribution having latent parameters z_mu, z_var
        #  reparameterize
        std = torch.exp(z_var / 2)
        eps = torch.randn_like(std)
        x_sample = eps.mul(std).add_(z_mu)

[Vladimir Perervenko]

Maxim Dmitrievsky:

比方说（在Python的代码中，我不是什么都清楚）。而这个BAE的培训在哪里？

它是在pyTorch中吗？