Latent space
Det abstrakte rum af komprimerede repræsentationer som en generativ model lærer fra data.
Kort fortalt
Latent space er den skjulte 'indre verden' af en AI-model, hvor den gemmer forkortede versioner af data.
- Kategori
- begreb
- Niveau
- øvet
- Udtale
- /ˈleɪtənt speɪs/
Betydninger
1- 1
Et fler-dimensionelt rum af uobserverede (latente) variable, som en maskinlæringsmodel lærer at repræsentere inputdata i komprimeret form.
- Ved at interpolere mellem to punkter i latent space kan man generere glidende overgange mellem billeder.
Hvornår bruges det
Latent space bruges til at analysere, hvordan en model organiserer viden, og til at generere nye data ved at manipulere punkter i rummet.
Kodeeksempel
import torch
import torch.nn as nn
class Autoencoder(nn.Module):
def __init__(self):
super().__init__()
self.encoder = nn.Sequential(nn.Linear(784, 256), nn.ReLU(), nn.Linear(256, 64))
self.decoder = nn.Sequential(nn.Linear(64, 256), nn.ReLU(), nn.Linear(256, 784), nn.Sigmoid())
def forward(self, x):
latent = self.encoder(x)
return self.decoder(latent)En simpel autoencoder i PyTorch. Indkoderen kortlægger input til det latente rum (64 dimensioner), og afkoderen rekonstruerer.
Oprindelse
Fra latin 'latens' (skjult) + 'space' (rum).
Afledte ord
2Kilder
2- Representation Learning: A Review and New Perspectives
- Auto-Encoding Variational Bayes