WARNING

🧪 Beta公测版本提示：教程主体已完成，正在优化细节，欢迎大家提Issue反馈问题或建议。

VAE — demo.py 代码详解

Download demo.py

cd docs/world-models/video/vae/code
python demo.py

有 GPU/MPS 会自动用。MNIST 下载失败则用合成噪声图。相关：GAN、RSSM 重参数。

代码逐段详解

归一化与解码器对不齐

Normalize((0.5,), (0.5,)) 把像素收到 $[-1,1]$（为了和 GAN 共用 loader）。解码器 Sigmoid 输出 $[0,1]$，所以 BCE 前必须 (x+1)/2 折回。这是接口包袱。

x.view(N, -1)：-1 自动算 784。to_image：detach().cpu().numpy() — GPU 张量不能直接转 NumPy。

$\mu$、logvar、重参数

std = torch.exp(0.5 * logvar)
z = mu + std * torch.randn_like(std)

采样对 $\mu ,\sigma$ 可微。fc_logvar 保证 ${\sigma }^2=\exp (\mathrm{logvar})>0$。

损失

kl_loss = -0.5 * torch.sum(1 + logvar - mu.pow(2) - logvar.exp()) / x.size(0)

标准正态先验的解析 KL。reduction='sum' 再除 batch，避免像素平均把重构压没、KL 占满（后验瞬间贴先验）。

源码位置

docs/world-models/video/vae/code/demo.py