我在本教程中遵循了变分自动编码器部分。我在项目中的第一个任务是重新生成一些表示网格布局如何划分的向量。因此，我创建了自己的数据集，其中包含至少5000行维度(1,36(的向量。这些矢量表示 6 x 6 网格布局。 所以我使用了一些数据集作为我的模型的训练集，即变分自动编码器。然后，由于我的项目任务要求我使用解缠VAE或Beta-VAE，我阅读了一些关于这种VAE的文章，并认为你只需要改变beta值。
所以我使用的代码在这个 github 链接中。
首先，根据我在网上读到的内容，当 beta 值优于 1 时，我们将获得更好的构造结果，这与我在模型中发现的结果完全相反。
其次，我已经更改了模型中的许多超参数，例如 beta、batch_size、epoch 数、采样向量的标准变化，但我仍然没有得到很好的数据重建。我想我在理解这个模型时遗漏了一些东西，但我无法弄清楚它是什么。 我是否通过编写此代码正确理解了 beta-变分自动编码器？
Beta 项用于作用于先验和变分近似的 KL 项，它越高，重建就越糟糕。所以你的发现是有道理的。