PyTorch-VAE

收录理由

做生成模型研究或工程实践的开发者，若想快速对照各类变分自编码器的实现差异，这个仓库能省下不少翻源码的时间。它把 beta-VAE、VQ-VAE、IWAE、WAE、条件 VAE 和类别 VAE 等常见变体收在一起，各模型网络结构尽量保持一致，只在论文明确要求的地方做必要改动，因此横向比较时能清楚看到不同设计带来的效果变化。所有模型统一在 CelebA 上训练，配合公开的重建和采样结果，相当于给了你一个公平的基准，评估某个架构是否适合自己任务时很有参考价值。代码基于 YAML 配置和 PyTorch Lightning 组织，换数据集或改隐变量维度不需要动模型内部逻辑，上手门槛较低。把它当作复现论文结果的学习指南更合适，它不是一个开箱即用的生产级部署方案，但作为研究起点足够扎实。