今回は,深層生成モデルの自作ライブラリ「Tars」を紹介します.以前から僕が一人で勝手に実装して勝手に使っていたもので,これまで非公開としていましたが,今回この記事を書くにあたって公開することにしました. https://github.com/masa-su/Tars もし需要がありましたら,今後も何回かに分けて紹介していきたいと思います. ※ 本記事は,深層生成モデルについてある程度理解している人を前提に書いています.VAE等を全く知らない人は論文や他の記事を読んでください. 確率モデルとニューラルネットワーク 近年深層生成モデル(VAE[1],GAN[2],自己回帰モデル[3]など)が流行っていますが,こういったモデル(特にVAE)では,ネットワークを確率分布として,あるいはユニットを確率変数として扱っています. こういった深層生成モデルの実装はたくさんあるのですが,問題点として,モデ
![自作深層生成モデルライブラリの紹介 - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/e66b3d90802530aabaf78f18b67b074a1d7875d5/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9JUU4JTg3JUFBJUU0JUJEJTlDJUU2JUI3JUIxJUU1JUIxJUE0JUU3JTk0JTlGJUU2JTg4JTkwJUUzJTgzJUEyJUUzJTgzJTg3JUUzJTgzJUFCJUUzJTgzJUE5JUUzJTgyJUE0JUUzJTgzJTk2JUUzJTgzJUE5JUUzJTgzJUFBJUUzJTgxJUFFJUU3JUI0JUI5JUU0JUJCJThCJnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9NTYmcz03ZjYyNjM5YzVjYzNkNTZiYzlhNDVhNmEzNDVjYTI3MA%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBtbXMmdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPTA2YjQyNzE4ZTNhZjI5MWM2Y2ZlZjRjYjdmNjZmOWM3%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3D05cc4f00c01aa3b48c85b0838f75f81c)