深度矢量量化：VQVAE，GumbelSoftmaxes和朋友

深度矢量量化 实现VQVAE的培训代码，即具有分类潜在变量瓶颈的自动编码器，然后可以轻松地将其插入到现有基础结构中，以对离散变量序列（GPT和朋友）建模。 dvq/vqvae.py是训练脚本的入口点，可以称为一次小型训练运行，例如： cd dvq; python vqvae.py --gpus 1 --data_dir /somewhere/to/store/cifar10 这将使用CIFAR-10上的一个半小型网络来复制原始DeepMind VQVAE论文（请参阅之前的参考资料）。 此仓库上的工作仍在进行中，目前需要阅读代码并理解这些方法。 接下来，旨在重现DALL-E的结果，因为大多数代码已经到位，但是我们需要使用logit laplace分布进行训练，调整gumbel softmax超参数，并在ImageNet +上进行训练。 参考 DeepMind的 可以使用--vq_fla