我正在 Tensorflow 中為 MNIST 數據集試驗 VAE 實現。首先，我訓練了一個基于 MLP 編碼器和解碼器的 VAE。它訓練得很好，損失減少了，它生成了看似合理的數字。下面是這個基于 MLP 的 VAE 解碼器的代碼：x = sampled_zx = tf.layers.dense(x, 200, tf.nn.relu)x = tf.layers.dense(x, 200, tf.nn.relu)x = tf.layers.dense(x, np.prod(data_shape))img = tf.reshape(x, [-1] + data_shape)下一步，我決定添加卷積層。只改變編碼器工作得很好，但是當我在解碼器（而不是 fc 層）中使用反卷積時，我根本沒有得到任何訓練。損失函數永遠不會減少，輸出總是黑色的。這是反卷積解碼器的代碼：x = tf.layers.dense(sampled_z, 24, tf.nn.relu)x = tf.layers.dense(x, 7 * 7 * 64, tf.nn.relu)x = tf.reshape(x, [-1, 7, 7, 64])x = tf.layers.conv2d_transpose(x, 64, 3, 2, 'SAME', activation=tf.nn.relu)x = tf.layers.conv2d_transpose(x, 32, 3, 2, 'SAME', activation=tf.nn.relu)x = tf.layers.conv2d_transpose(x, 1, 3, 1, 'SAME', activation=tf.nn.sigmoid)img = tf.reshape(x, [-1, 28, 28])這看起來很奇怪，代碼對我來說看起來很好。我把它縮小到解碼器中的反卷積層，那里有一些東西打破了它。例如，如果我在最后一次解卷積后添加一個全連接層（即使沒有非線性?。挚梢怨ぷ髁?！這是代碼：x = tf.layers.dense(sampled_z, 24, tf.nn.relu)x = tf.layers.dense(x, 7 * 7 * 64, tf.nn.relu)x = tf.reshape(x, [-1, 7, 7, 64])x = tf.layers.conv2d_transpose(x, 64, 3, 2, 'SAME', activation=tf.nn.relu)x = tf.layers.conv2d_transpose(x, 32, 3, 2, 'SAME', activation=tf.nn.relu)x = tf.layers.conv2d_transpose(x, 1, 3, 1, 'SAME', activation=tf.nn.sigmoid)x = tf.contrib.layers.flatten(x)x = tf.layers.dense(x, 28 * 28)img = tf.reshape(x, [-1, 28, 28])在這一點上我真的有點卡住了，有沒有人知道這里可能會發生什么？我使用 tf 1.8.0，Adam 優化器，1e-4 學習率。