问题描述
我在深度学习游戏中还是一个新手，我想知道为什么我们要在VAE中展平编码器的最后一层，然后将展平的输出提供给线性层，然后对线性层进行近似计算之前？我们不能只拆分卷积层的输出并直接从此处获取位置和比例，还是由卷积捕获的空间信息会搞乱比例和位置？
非常感谢！
解决方法
为什么要在VAE中压平编码器的最后一层？
除了使它便于打印或报告外，没有什么真正的理由。如果在将编码器展平之前就具有[BatchSize，2,2,32]的形状，则将其展平为[BatchSize，128]只会使您方便地列出每个样本的所有128个编码值。当解码器随后将其调整为[BatchSize，2,32]时，所有空间信息都将放回原处。没有丢失任何空间信息。
当然，可以决定使用经过训练的VAE的编码器作为图像特征提取器。当我们有很多未标记的图像来训练VAE时，这实际上非常有用，但是只有很少的标记图像。在大的未标记图像集上训练VAE之后，编码器有效地成为特征提取器。然后，我们可以将特征提取器送入一个密集层，该层的目的是学习标签。在这种情况下，让编码器输出平坦的数据集非常有用。