Deep Learning avec Keras et TensorFlow

9.8 Autoencodeurs variationnels

349

© Dunod – Toute reproduction non autorisée est un délit.

def __init__(self, weight, target=0.1):

self.weight = weight

self.target = target

def __call__(self, inputs):

mean_activities = K.mean(inputs, axis=0)

return self.weight * (

kl_divergence(self.target, mean_activities) +

kl_divergence(1. - self.target, 1. - mean_activities))

Nous pouvons maintenant construire l’autoencodeur épars, en utilisant le

KLDivergence Regularizer pour les activations de la couche de codage :

kld_reg = KLDivergenceRegularizer(weight=0.05, target=0.1)

sparse_kl_encoder = keras.models.Sequential([

keras.layers.Flatten(input_shape=[28, ...