GILBO：一种度量一切的指标
机器学习
2019-01-11 v3 机器学习
摘要
我们提出了一种简单、易处理的下界，用于界定任意潜变量生成模型的联合生成密度中所含互信息的下界：GILBO（生成信息下界，Generative Information Lower BOund）。它提供了一种与数据无关的度量，用于衡量所学潜变量描述的复杂度，给出有效描述长度的对数。它对于 VAE 和 GAN 均良好定义。我们计算了分别在四个数据集（MNIST、FashionMNIST、CIFAR-10 和 CelebA）上训练的 800 个 GAN 和 800 个 VAE 的 GILBO，并讨论了结果。
引用
@article{arxiv.1802.04874,
title = {GILBO: One Metric to Measure Them All},
author = {Alexander A. Alemi and Ian Fischer},
journal= {arXiv preprint arXiv:1802.04874},
year = {2019}
}
备注
Accepted at NeurIPS 2018