编码器 (VAE)

“变分自编码器 (VAE) 信息抽取 专家系统 挖掘 提示工程 智能代理 PyTorch 进化算法 概率编程 视频生成 信息检索 Web 面部识别 Weka Jena WordNet Julia ( 编程语言 ) 31 领英职场人士信心指数的数据，来源于每两周通过电子邮件发送给会员的在线定量问卷 调查。”

“输入序列 I love llamas 编码器 (RNN) 神经机器 任务： 表示语言 翻译 解码器 (RNN) 任务： 生成语言 输出序列 Ik hou van lama’s 图 1-11：两个 RNN（解码器和编码器）将输入序列从英语翻译成荷兰语 该架构中的每个步骤都是自回归（auto-regressive）的。”

“输入序列 I love llamas 编码器 (RNN) 神经机器 任务： 表示语言 翻译 解码器 (RNN) 任务： 生成语言 输出序列 Ik hou van lama’s 图 1-11：两个 RNN（解码器和编码器）将输入序列从英语翻译成荷兰语 该架构中的每个步骤都是自回归（auto-regressive）的。”

“构建编码器（Encoder） 用PyTorch构建Encoder比较简单，把输入句子中的每个单词用 torch.nn.Embedding(m,n)转换为词向量，然后通过一个编码器实现，这里采用GRU循环网 络，对于每个输入字，编码器输出向量和隐藏状态，并将隐藏状态用于下一个输入字。”

“基于重构损失的 GNN 类比于自编码器的思路，我们可以将节点之间的邻接关系进行重构学习，为此可以定义一个如下的图自编码器 ( Graph AutoEncoder )： 其中，Z 是所有节点的表示，这里借助 GNN 模型同时对图的属性信息与结构信息进行编码学习。”

“你能像我们在本章中使用 CLIP 那样，将 BLIP-2 模型用于相似性任务吗？你会如何实现， 它与 CLIP 相比如何？你还能用 BLIP-2 解决哪些其他任务？ 2. 训练你自己的自编码器（AutoEncoder）或变分自编码器（VAE）。”