变分自编码器：编码器的层数是否必须与解码器的层数相同？
Variational autoencoder: Does encoder must have the same number of layers as the decoder?
在变分自编码器中，编码器的层数是否必须与解码器的层数相同？我用编码器（密集）获得了更好的结果：54-10-5-3 和解码器（密集）：3-5-10-25-35-45-54
不，不对称架构并不少见，例如[1、2、3 等]。
唐帅等"Exploring Asymmetric Encoder-Decoder Structure for Context-based Sentence Representation Learning." arXiv 预印本 arXiv:1710.10380 (2017)。 pdf
LiNalisnick、Eric 和 Padhraic Smyth。 "Stick-breaking variational autoencoders." 国际学习表示会议 (ICLR)。 2017. pdf
纳什、查理和克里斯·基·威廉姆斯。 "The shape variational autoencoder: A deep generative model of part‐segmented 3D objects." 计算机图形学论坛。卷。 36. 2017年第5期. pdf
你问了一个很好的问题，答案是否定的。
由于Aldream已经指出了一些使用非对称架构的作品，我想指出与您的问题相关的理论工作。
我认为最好的解释来自 ICLR 2017 会议论文："Variational Lossy Autoencoder"、Xi Chen 等人
第 2 部分是 must-read 部分。作者将变分自动编码器链接到 bit-back 编码，并表明平均代码长度（相当于变分下界）总是有额外的代码长度来自使用近似后验分布。 当VAE的解码器（即log-datalikelihood p(x|z)）不需要q(z|x)就可以对数据进行建模时，VAE将忽略潜在变量！
这意味着如果我们有一个非常强大的解码器（例如与编码器相同的层数），那么 VAE 可能会通过简单地设置 q(z) 完全忽略学习 q(z|x) 的风险|x) 到先验 p(z)，因此，将 KL 损失保持为 0.
更多详情，请阅读上面的论文。在我看来，VAE 与 bit-back 编码的联系很优雅。
在变分自编码器中，编码器的层数是否必须与解码器的层数相同？我用编码器（密集）获得了更好的结果：54-10-5-3 和解码器（密集）：3-5-10-25-35-45-54
不，不对称架构并不少见，例如[1、2、3 等]。
唐帅等"Exploring Asymmetric Encoder-Decoder Structure for Context-based Sentence Representation Learning." arXiv 预印本 arXiv:1710.10380 (2017)。 pdf
LiNalisnick、Eric 和 Padhraic Smyth。 "Stick-breaking variational autoencoders." 国际学习表示会议 (ICLR)。 2017. pdf
纳什、查理和克里斯·基·威廉姆斯。 "The shape variational autoencoder: A deep generative model of part‐segmented 3D objects." 计算机图形学论坛。卷。 36. 2017年第5期. pdf
你问了一个很好的问题，答案是否定的。
由于Aldream已经指出了一些使用非对称架构的作品，我想指出与您的问题相关的理论工作。
我认为最好的解释来自 ICLR 2017 会议论文："Variational Lossy Autoencoder"、Xi Chen 等人
第 2 部分是 must-read 部分。作者将变分自动编码器链接到 bit-back 编码，并表明平均代码长度（相当于变分下界）总是有额外的代码长度来自使用近似后验分布。 当VAE的解码器（即log-datalikelihood p(x|z)）不需要q(z|x)就可以对数据进行建模时，VAE将忽略潜在变量！
这意味着如果我们有一个非常强大的解码器（例如与编码器相同的层数），那么 VAE 可能会通过简单地设置 q(z) 完全忽略学习 q(z|x) 的风险|x) 到先验 p(z)，因此，将 KL 损失保持为 0.
更多详情，请阅读上面的论文。在我看来，VAE 与 bit-back 编码的联系很优雅。