Python Keras变分自动编码器示例-潜在输入的使用

我是Keras的新手，一直在努力理解变量

z

在其官方版本的变分自动编码器示例中的用法。我不明白为什么没有使用

z

来代替变量

潜在的\u输入

。我运行了代码，它似乎起了作用，但我不知道

z

是否在幕后使用，以及Keras中的机制是什么。 以下是相关的代码片段：

---

您的

编码器

被定义为一个模型，它接受输入

输入

，并给出输出

[z_平均值，z_log_var，z]

。然后分别定义解码器以获取一些输入，这里称为

潜在输入

，以及输出

输出

。最后，您的整体模型在以下行中定义：

outputs = decoder(encoder(inputs)[2])

这意味着您将在

输入上运行
编码器
，这将产生
[z_mean，z_log_var，z]
，然后将其中的第三个元素（称为
结果[2]
）作为输入参数传递给
解码器。换句话说，当您实现网络时，您将
潜在输入设置为等于编码器的第三个输出，或
[z_mean，z_log_var，z][2]=z
。您可以将其视为（可能不是有效代码）：

它们只是单独定义编码器和解码器，以便可以单独使用：


给定一些
输入
，
编码器
计算它们的潜在向量/低维表示法
z_-mean，z_-log_-var，z
（您可以单独使用
编码器
，例如存储这些低维表示法，或者更容易比较）

给定这种低维表示
潜在输入
，
解码器
返回解码信息
输出
（例如，如果需要重用存储的低维表示）


为了训练/使用完整的VAE，两种操作都可以按照实际操作的方式进行链接：
输出=解码器（编码器（输入）[2]）
（
解码器的
潜在输入
，接收
编码器的
z
输出。
最后一行
输出=解码器（编码器输出[2]）
——VAE仅将
z
作为输入，而忽略
z_平均值
和
z_log_var
。
outputs = decoder(encoder(inputs)[2])

encoder_outputs = encoder(inputs)  # [z_mean, z_log_var, z]
outputs = decoder(latent_inputs=encoder_outputs[2])  # latent_inputs = z