bayesian_dnns 具有的贝叶斯深层神经网络的实践与实验。 GMVAE 提出的高斯混合变分自动编码器的实现。 通过对生成模型使用高斯混合先验,其对不平衡数据的鲁棒性要比Kingma的m2模型高得多。 我还提到了 示例:MNIST不平衡 数据 标记的[标签:图片数量] [0:1000、1:10、2:10、3:10、4:10、5:100、6:70、7:40、8:50、9:30] 未贴标签总计50000张图像。 每个标签的采样率与标签数据相同(不平衡)。 验证总计10000张图片。 每个标签的采样率相等(平衡) 结果 金马的M2模型 潜在变量(维度0和1)和重建的图像。 GMVAE 潜在变量(维度0和1)和重建的图像。 您可以看到每个标签似乎都有自己的分布。