为什么自动编码器中的解码器在最后一层使用 sigmoid？

Question

我正在查看 this 正在工作的变分自动编码器。

主要class

class VAE(nn.Module):
    def __init__(self):
        super(VAE, self).__init__()

        self.fc1 = nn.Linear(784, 400)
        self.fc21 = nn.Linear(400, 20)
        self.fc22 = nn.Linear(400, 20)
        self.fc3 = nn.Linear(20, 400)
        self.fc4 = nn.Linear(400, 784)

    def encode(self, x):
        h1 = F.relu(self.fc1(x))
        return self.fc21(h1), self.fc22(h1)

    def reparametrize(self, mu, logvar):
        std = logvar.mul(0.5).exp_()
        if torch.cuda.is_available():
            eps = torch.cuda.FloatTensor(std.size()).normal_()
        else:
            eps = torch.FloatTensor(std.size()).normal_()
        eps = Variable(eps)
        return eps.mul(std).add_(mu)

    def decode(self, z):
        h3 = F.relu(self.fc3(z))
        return F.sigmoid(self.fc4(h3))

    def forward(self, x):
        mu, logvar = self.encode(x)
        z = self.reparametrize(mu, logvar)
        return self.decode(z), mu, logvar

有

    def decode(self, z):
        h3 = F.relu(self.fc3(z))
        return F.sigmoid(self.fc4(h3))

我无法向自己解释为什么最后一层在返回之前要通过一个 sigmoid。

请说明。

编辑：我只是在没有乙状结肠的情况下检查过。结果还是不错的。现在不知道有没有必要

Answer 1

如果我没记错的话，它会将结果转换为概率，表示为 0 到 1 之间的实数。

Answer 2

正如 Jim J 在回答中提到的，sigmoid 强制输出范围为 [0, 1]。在这种情况下，并不是因为我们要将输出解释为概率，而是强制将输出解释为灰度图像的像素强度。

如果移除 sigmoid，NN 将不得不学习所有输出都应在 [0, 1] 范围内。 sigmoid 可能有助于使学习过程更加稳定。

Answer 3

这是因为图片来自

train_loader = torch.utils.data.DataLoader(
    datasets.MNIST('../data', train=True, download=True,
                   transform=transforms.ToTensor()),
    batch_size=args.batch_size, shuffle=True, **kwargs)
test_loader = torch.utils.data.DataLoader(
    datasets.MNIST('../data', train=False, transform=transforms.ToTensor()),
    batch_size=args.batch_size, shuffle=True, **kwargs)

有像素取值范围[0,1]，可以在这里加上print('data[0]: ', data[0])；

def test(epoch):
    model.eval()
    test_loss = 0
    with torch.no_grad():
        for i, (data, _) in enumerate(test_loader):
            data = data.to(device)
            print('data[0]: ', data[0])
            ...

查看打印输出，您会发现这些值的范围是 0 到 1。顺便说一句，torchvision.utils.save_image()的第一个参数也取像素值范围为0到1的张量，因为在该函数内部，它会在保存到图像之前乘以255。

为什么自动编码器中的解码器在最后一层使用 sigmoid？

Why is the decoder in an autoencoder uses a sigmoid on the last layer?

machine-learning

neural-network

pytorch

autoencoder

sigmoid