Mãos à Obra: Aprendizado de Máquina com Scikit-Learn e TensorFlow

Autoencoders Variacionais | 451

latente que faz com que o autoencoder tenha codificações que parecem ter sido amostradas a

partir de uma distribuição Gaussiana simples, para a qual utilizamos a divergência KL entre

a distribuição de destino (a distribuição Gaussiana) e a distribuição real das codificações.

A matemática é um pouco mais complexa do que antes, principalmente por causa do ruído

Gaussiano que limita a quantidade de informação que pode ser transmitida à camada de

codificação (empurrando assim o autoencoder para aprender características úteis). Feliz-

mente, as equações simplificam o código a seguir para a perda latente:

7

eps = 1e-10 ...