Adding Lab3

2026-09-12 11:16:41 -06:00
parent 1feef1d487
commit 9994350be7
23 changed files with 2360 additions and 0 deletions
@@ -0,0 +1,614 @@
+\documentclass[11pt,letterpaper]{article}
+
+\usepackage[margin=0.85in]{geometry}
+\usepackage[T1]{fontenc}
+\usepackage[utf8]{inputenc}
+\usepackage{lmodern}
+\usepackage{microtype}
+\usepackage{amsmath,amssymb,bm}
+\usepackage{booktabs,tabularx,array}
+\usepackage{graphicx}
+\usepackage{xcolor}
+\usepackage[most]{tcolorbox}
+\usepackage{enumitem}
+\usepackage{fancyhdr}
+\usepackage{hyperref}
+\usepackage{float}
+
+\definecolor{navy}{HTML}{17324D}
+\definecolor{teal}{HTML}{147D7E}
+\definecolor{gold}{HTML}{D49A2A}
+\definecolor{lightgold}{HTML}{FFF7E6}
+
+\hypersetup{
+  colorlinks=true,
+  linkcolor=navy,
+  urlcolor=teal,
+  pdftitle={Informe del experimento de dimensión latente de un VAE}
+}
+
+\pagestyle{fancy}
+\fancyhf{}
+\lhead{Experimento de dimensión latente de un VAE}
+\rhead{Procesamiento de Imágenes y Visión por Computadora}
+\cfoot{\thepage}
+\setlength{\headheight}{14pt}
+
+\graphicspath{{outputs/latent_dimension_experiment/}}
+
+\newcommand{\studentname}{Alejandro Lembke Barrientos}
+\newcommand{\studentid}{12002840}
+\newcommand{\coursesection}{A}
+\newcommand{\submissiondate}{12 de septiembre de 2026}
+
+\newtcolorbox{responsebox}[1][]{
+  colback=white,
+  colframe=teal!70!black,
+  boxrule=0.8pt,
+  arc=2pt,
+  title=Respuesta,
+  fonttitle=\bfseries,
+  breakable,
+  #1
+}
+
+\newtcolorbox{evidencebox}[1][]{
+  colback=lightgold,
+  colframe=gold!80!black,
+  boxrule=0.8pt,
+  arc=2pt,
+  title=Evidencia que debe incluir,
+  fonttitle=\bfseries,
+  breakable,
+  #1
+}
+
+\newcommand{\experimentfigure}[3]{%
+\begin{figure}[H]
+\centering
+\IfFileExists{outputs/latent_dimension_experiment/#1}{%
+  \includegraphics[width=#2\textwidth]{#1}%
+}{%
+  \fbox{\parbox[c][5.0cm][c]{0.88\textwidth}{\centering
+  Ejecute el notebook para generar \texttt{\detokenize{#1}}.}}%
+}
+\caption{#3}
+\end{figure}
+}
+
+\title{\textbf{Informe de laboratorio: selección de la dimensión latente de un autoencoder variacional}}
+\author{}
+\date{}
+
+\begin{document}
+\maketitle
+
+\begin{center}
+\renewcommand{\arraystretch}{1.35}
+\begin{tabularx}{0.92\textwidth}{@{}>{\bfseries}lX>{\bfseries}lX@{}}
+Nombre: & \studentname & Carné: & \studentid \\
+Sección: & \coursesection & Fecha de entrega: & \submissiondate \\
+\end{tabularx}
+\end{center}
+
+\section{Objetivo del laboratorio}
+
+Se desea seleccionar un autoencoder variacional capaz de reconstruir dígitos
+reconocibles, generar muestras plausibles a partir de la distribución normal
+estándar, producir interpolaciones graduales y mantener una representación
+compacta. Se comparan las dimensiones latentes
+\[
+d_z\in\{2,8,16,64\}.
+\]
+La recomendación final debe apoyarse en evidencia cuantitativa y cualitativa.
+Ninguna métrica individual es suficiente para decidir.
+
+\section{Hipótesis iniciales}
+
+Complete esta sección antes de examinar los resultados.
+
+\subsection*{Pregunta 1}
+¿Qué dimensión latente espera que produzca la menor pérdida de reconstrucción?
+Explique la relación esperada entre capacidad latente y reconstrucción.
+\begin{responsebox}
+Se espera que la dimensión latente más grande, $d_z=64$, produzca la menor
+pérdida de reconstrucción, ya que un espacio latente de mayor dimensión puede
+codificar más información sobre cada imagen antes de la etapa de decodificación,
+reduciendo el error al reconstruir los trazos finos. En general, una mayor
+capacidad latente disponible para el codificador tiende a traducirse en un
+límite inferior (ELBO) más ajustado sobre la verdadera log-verosimilitud,
+siempre que el decodificador pueda aprovechar esa información adicional.
+\end{responsebox}
+
+\subsection*{Pregunta 2}
+¿Qué dimensión espera que produzca las muestras más plausibles para
+$\mathbf z\sim\mathcal N(0,I)$? Explique por qué la calidad de muestreo puede no
+seguir el mismo comportamiento que la reconstrucción.
+\begin{responsebox}
+Es probable que un valor intermedio, como $d_z=8$ o $d_z=16$, produzca las
+muestras más plausibles a partir del prior, en lugar del modelo con mayor
+capacidad. La reconstrucción solo mide qué tan bien el decodificador reconstruye
+una imagen a partir de su propio posterior, mientras que el muestreo desde el
+prior exige que todo el volumen de $\mathcal N(0,I)$ —no solo la región ocupada
+por los datos codificados— se decodifique en dígitos plausibles. Un espacio muy
+grande puede sobreajustar la reconstrucción dejando regiones del prior
+pobremente cubiertas por el posterior agregado, lo que perjudica el muestreo
+incondicional.
+\end{responsebox}
+
+\subsection*{Pregunta 3}
+Prediga si todas las dimensiones disponibles estarán activas en el modelo con
+$d_z=64$. ¿Qué significa que una dimensión se encuentre inactiva?
+\begin{responsebox}
+No se espera que las 64 dimensiones estén activas. Cuando la capacidad latente
+ofrecida excede la complejidad intrínseca de los datos, el término de
+regularización KL empuja a varias dimensiones hacia el prior $\mathcal N(0,1)$,
+haciendo que su media se aproxime a 0 y su varianza a 1 para todas las
+entradas. Una dimensión inactiva no aporta información específica de la imagen:
+su divergencia KL promedio es prácticamente nula y el decodificador puede
+ignorarla sin perder capacidad de reconstrucción.
+\end{responsebox}
+
+\subsection*{Pregunta 4}
+Escriba una recomendación inicial. Indique qué evidencia podría hacerle cambiar
+esa recomendación.
+\begin{responsebox}
+La recomendación inicial es $d_z=16$, por ofrecer un buen equilibrio entre
+pérdida de reconstrucción y tamaño del modelo. Esta recomendación podría cambiar
+si los resultados mostraran que $d_z=64$ activa la mayoría de sus dimensiones y
+mejora sustancialmente —no solo marginalmente— la reconstrucción, las muestras
+del prior y las interpolaciones, lo que justificaría su mayor costo; o si
+$d_z=8$ lograra una calidad visual prácticamente indistinguible de $d_z=16$ con
+menos parámetros.
+\end{responsebox}
+
+\section{Integridad experimental}
+
+\subsection*{Pregunta 5}
+Registre la configuración y explique por qué deben mantenerse constantes todos
+los parámetros distintos de la dimensión latente.
+
+\begin{center}
+\renewcommand{\arraystretch}{1.3}
+\begin{tabular}{@{}ll@{}}
+\toprule
+Configuración & Valor \\
+\midrule
+Conjunto de datos & MNIST \\
+Dimensiones latentes & $2,8,16,64$ \\
+$\beta$ & 1.0 \\
+Épocas & 8 \\
+Tamaño de lote & 256 \\
+Tasa de aprendizaje & $1\times10^{-3}$ \\
+Semilla aleatoria & 42 \\
+Umbral de actividad & 0.01 \\
+Dispositivo utilizado & CPU \\
+\bottomrule
+\end{tabular}
+\end{center}
+\begin{responsebox}
+Todos los hiperparámetros distintos de $d_z$ —arquitectura convolucional,
+optimizador Adam, tasa de aprendizaje, tamaño de lote, número de épocas, semilla
+aleatoria y orden de los datos— se mantuvieron fijos entre los cuatro
+experimentos. Esto es indispensable para que cualquier diferencia observada en
+las métricas sea atribuible exclusivamente a la dimensión latente y no a
+variaciones incidentales del entrenamiento; de lo contrario no sería posible
+aislar el efecto de $d_z$ de otras fuentes de variación (por ejemplo, una tasa
+de aprendizaje distinta podría producir una convergencia más rápida o lenta
+independientemente de la capacidad latente).
+\end{responsebox}
+
+\section{Resultados cuantitativos}
+
+\IfFileExists{outputs/latent_dimension_experiment/summary_table.tex}{%
+\begin{table}[H]
+\centering
+\resizebox{\textwidth}{!}{\input{outputs/latent_dimension_experiment/summary_table.tex}}
+\caption{Comparación final de las dimensiones latentes candidatas.}
+\end{table}
+}{%
+\begin{center}
+\fbox{\parbox[c][3.2cm][c]{0.88\textwidth}{\centering
+Ejecute el notebook para generar \texttt{summary\_table.tex}.}}
+\end{center}
+}
+
+\subsection*{Pregunta 6}
+Ordene los cuatro modelos según su pérdida de reconstrucción en prueba. ¿Las
+mejoras entre dimensiones consecutivas son sustanciales o marginales? Incluya
+los valores medidos.
+\begin{responsebox}
+Ordenados de mayor a menor pérdida de reconstrucción en prueba: $d_z=2$
+(153.815), $d_z=8$ (99.427), $d_z=16$ (80.824) y $d_z=64$ (75.972). La mejora de
+$d_z=2$ a $d_z=8$ es sustancial ($-54.39$, una reducción del 35.4\%), y de
+$d_z=8$ a $d_z=16$ sigue siendo considerable ($-18.60$, $-18.7\%$). Sin embargo,
+de $d_z=16$ a $d_z=64$ la mejora es marginal ($-4.85$, apenas $-6.0\%$), a pesar
+de que el número de parámetros casi se triplica (220{,}385 a 672{,}065). Esto
+indica un claro rendimiento decreciente más allá de $d_z=16$.
+\end{responsebox}
+
+\subsection*{Pregunta 7}
+¿Cómo cambian la divergencia KL total, el número de dimensiones activas y la
+fracción activa al aumentar $d_z$? Explique qué revela cada medida sobre la
+capacidad latente efectiva.
+\begin{responsebox}
+La divergencia KL total en prueba crece de forma monótona con $d_z$: 5.609
+($d_z=2$), 16.080 ($d_z=8$), 24.780 ($d_z=16$) y 28.853 ($d_z=64$); esto refleja
+que, a medida que hay más dimensiones disponibles, el codificador las usa para
+alejar el posterior del prior y codificar más información específica de cada
+imagen. El número de dimensiones activas también crece (2, 8, 16, pero solo 42
+de 64), y la fracción activa se mantiene en 100\% hasta $d_z=16$ y cae a 65.6\%
+en $d_z=64$. Esto revela que la capacidad latente \emph{efectiva} del modelo con
+$d_z=64$ es de aproximadamente 42 dimensiones, no 64: el resto del espacio
+ofrecido simplemente no es utilizado, evidenciando que la capacidad nominal
+($d_z$) y la capacidad efectiva (dimensiones activas) pueden divergir
+considerablemente cuando el espacio ofrecido excede lo que los datos requieren.
+\end{responsebox}
+
+\subsection*{Pregunta 8}
+Compare el número de parámetros y el tiempo de entrenamiento. ¿Aumentar $d_z$
+modifica sustancialmente el tamaño total y el costo computacional del modelo?
+\begin{responsebox}
+El número de parámetros crece de forma no lineal con $d_z$: 88{,}645
+($d_z=2$), 145{,}105 ($d_z=8$), 220{,}385 ($d_z=16$) y 672{,}065 ($d_z=64$) —el
+modelo de 64 dimensiones tiene más de 7 veces los parámetros del modelo de 2
+dimensiones y más del triple que el de 16. Sin embargo, el tiempo de
+entrenamiento por modelo permanece prácticamente constante (entre 257 y 270
+segundos para las 8 épocas), ya que el costo computacional está dominado por las
+capas convolucionales del codificador/decodificador, idénticas en los cuatro
+experimentos; las capas totalmente conectadas que dependen de $d_z$ son
+comparativamente pequeñas. Es decir, aumentar $d_z$ incrementa notablemente el
+tamaño (memoria) del modelo, pero no el costo de entrenamiento por época en esta
+arquitectura.
+\end{responsebox}
+
+\section{Comportamiento durante el entrenamiento}
+
+\experimentfigure{training_curves.png}{0.98}{Comportamiento de entrenamiento y prueba para cada dimensión latente.}
+
+\subsection*{Pregunta 9}
+¿Todos los modelos alcanzaron una región razonablemente estable en la última
+época? Identifique cualquier comparación afectada por convergencia incompleta.
+\begin{responsebox}
+Las cuatro curvas de ELBO negativo en prueba muestran una fuerte caída en las
+primeras 2--3 épocas seguida de un aplanamiento progresivo, por lo que todos los
+modelos alcanzan una región razonablemente estable hacia la época 8, aunque
+ninguno luce perfectamente plano: la pendiente residual es pequeña pero no nula
+en todos los casos. El modelo con $d_z=64$ es el que muestra el comportamiento
+más ruidoso (por ejemplo, un pequeño repunte del término de reconstrucción
+entre las épocas 4 y 5), consistente con tener más parámetros y, por tanto,
+mayor varianza en las actualizaciones de gradiente. Dado que ningún modelo
+colapsó ni siguió mejorando de forma pronunciada, la comparación entre $d_z=16$
+y $d_z=64$ —la más cercana en magnitud— parece razonablemente justa, aunque no
+puede descartarse que entrenar por más épocas reduzca aún más esa brecha.
+\end{responsebox}
+
+\subsection*{Pregunta 10}
+Describa la relación entre la pérdida de reconstrucción, la divergencia KL y el
+ELBO negativo. ¿Qué término explica las principales diferencias entre modelos?
+\begin{responsebox}
+El ELBO negativo es la suma de la reconstrucción y la KL (con $\beta=1$, sin
+ponderación adicional). Al comparar los cuatro modelos, la reconstrucción es el
+término que domina las diferencias observadas: mientras la reconstrucción cae
+de 153.8 a 76.0 (una diferencia de 77.8) entre $d_z=2$ y $d_z=64$, la KL sube de
+5.6 a 28.9 (una diferencia de $+23.2$ en sentido contrario). Es decir, parte de
+la ganancia en reconstrucción al aumentar $d_z$ se ve parcialmente compensada
+por un mayor costo de KL, pero la reconstrucción es, con claridad, el término
+que más varía y el que explica la mejora neta del ELBO negativo a medida que
+crece $d_z$.
+\end{responsebox}
+
+\section{Análisis de reconstrucción}
+
+\experimentfigure{reconstructions.png}{0.98}{Reconstrucciones de las mismas imágenes de prueba mediante las medias posteriores.}
+
+\subsection*{Pregunta 11}
+Identifique al menos dos imágenes en las que aumentar $d_z$ produzca una mejora
+visual significativa. Describa cambios en trazos, forma, ambigüedad o detalles.
+\begin{responsebox}
+Dos ejemplos claros: (1) el dígito "2" (tercera columna): en $d_z=2$ la
+reconstrucción es un trazo borroso que apenas insinúa la forma del dígito,
+mientras que desde $d_z=8$ en adelante el "2" se reconstruye con un trazo
+definido y sin ambigüedad. (2) El dígito estilizado en cursiva parecido a un
+"6" (novena columna del conjunto de prueba): en $d_z=2$ se reconstruye como una
+mancha difusa que podría confundirse con un "8" o un "3", y solo a partir de
+$d_z=16$ se recupera la curvatura característica y la identidad correcta del
+trazo. En ambos casos, aumentar $d_z$ añade principalmente definición de bordes
+y resolución de ambigüedad de identidad, más que cambios de forma global.
+\end{responsebox}
+
+\subsection*{Pregunta 12}
+¿A partir de qué dimensión las dimensiones adicionales muestran rendimientos
+decrecientes? Utilice evidencia visual y la pérdida de reconstrucción.
+\begin{responsebox}
+A partir de $d_z=16$ las dimensiones adicionales muestran rendimientos
+decrecientes: visualmente, las reconstrucciones de $d_z=16$ y $d_z=64$ son
+prácticamente indistinguibles entre sí para las 12 imágenes de prueba, y la
+pérdida de reconstrucción solo mejora de 80.824 a 75.972 (apenas 6.0\%) pese a
+que el número de parámetros casi se triplica. En contraste, el salto de
+$d_z=8$ a $d_z=16$ sí es perceptible tanto en las cifras ($-18.7\%$) como
+visualmente en los trazos más finos.
+\end{responsebox}
+
+\section{Análisis de muestras del prior}
+
+\experimentfigure{prior_samples.png}{0.98}{Muestras generadas a partir de $\mathbf z\sim\mathcal N(0,I)$.}
+
+\subsection*{Pregunta 13}
+Compare el realismo y la diversidad de las muestras. ¿Qué modelo produce la
+mayor proporción de dígitos reconocibles? ¿Cuál muestra mayor variedad visible?
+\begin{responsebox}
+Las muestras de $d_z=2$ son claramente las de menor calidad: la mayoría son
+manchas borrosas que se asemejan vagamente a formas ovaladas o de "8"/"0", con
+poca variedad de clases reconocibles y bordes muy difusos. A partir de $d_z=8$
+aparece una variedad mucho mayor de dígitos reconocibles (se distinguen 0, 2,
+3, 4, 6, 7, 8 y 9 con relativa claridad), y esta diversidad y nitidez se
+mantiene de forma similar en $d_z=16$ y $d_z=64$, sin una mejora clara adicional
+al pasar de 16 a 64. En términos de proporción de dígitos reconocibles,
+$d_z=16$ y $d_z=64$ producen los resultados más consistentes; ninguno de los
+dos domina claramente al otro en diversidad visible.
+\end{responsebox}
+
+\subsection*{Pregunta 14}
+¿El modelo con la mejor reconstrucción también produce las mejores muestras del
+prior? Explique por qué ambos resultados pueden diferir en un VAE.
+\begin{evidencebox}
+Considere el término de reconstrucción y la necesidad de que los posteriores
+codificados sean compatibles con el prior utilizado para generar.
+\end{evidencebox}
+\begin{responsebox}
+No necesariamente: aunque $d_z=64$ obtiene la menor pérdida de reconstrucción,
+sus muestras del prior no son visiblemente mejores que las de $d_z=16$, e
+incluso el hecho de que solo 42 de sus 64 dimensiones estén activas sugiere que
+gran parte de su espacio latente nominal no está bien calibrado frente al prior
+$\mathcal N(0,I)$. La reconstrucción solo evalúa la calidad de decodificar $z$
+obtenidos de imágenes reales (donde el posterior puede alejarse del prior sin
+más penalización que el término KL), mientras que muestrear del prior exige
+decodificar puntos $z$ provenientes de toda la distribución $\mathcal N(0,I)$,
+incluyendo regiones que el posterior agregado del modelo pudo no haber cubierto
+bien durante el entrenamiento. Un modelo puede reconstruir bien sin que su
+posterior agregado iguale exactamente al prior, y ese descalce es justamente lo
+que degrada el muestreo incondicional.
+\end{responsebox}
+
+\section{Análisis de interpolación}
+
+\experimentfigure{interpolations.png}{0.98}{Interpolación lineal entre las medias posteriores del par seleccionado.}
+
+\subsection*{Pregunta 15}
+¿Qué modelo produce la transición más gradual y plausible? Describa dónde cambia
+la identidad y si los trazos intermedios permanecen coherentes.
+\begin{responsebox}
+Los modelos con $d_z=8$, 16 y 64 producen transiciones visualmente similares y
+razonablemente graduales entre el dígito 3 y el dígito 8: el lazo inferior del
+"3" se va cerrando progresivamente alrededor de $t=0.5$–$0.6$ hasta formar el
+"8" completo en $t=1.0$, y los trazos intermedios permanecen coherentes, sin
+artefactos abruptos. El modelo con $d_z=2$, en cambio, produce una
+interpolación borrosa en todo el trayecto —incluidos los extremos $t=0$ y
+$t=1$—, por lo que aunque el cambio es gradual en términos de píxeles, la
+calidad visual insuficiente dificulta juzgar la coherencia de los trazos.
+\end{responsebox}
+
+\subsection*{Pregunta 16}
+¿Una interpolación suave demuestra que cada dimensión latente tiene un significado
+interpretable? Explique la limitación de esa conclusión.
+\begin{responsebox}
+No. Que la interpolación lineal sea suave solo demuestra que el decodificador es
+una función continua del vector $z$ combinado, no que cada dimensión individual
+del espacio latente corresponda a un factor de variación interpretable (como el
+ángulo de inclinación o el grosor del trazo) de forma aislada. Las dimensiones
+podrían estar fuertemente correlacionadas o codificar combinaciones no
+interpretables de atributos, y aun así producir trayectorias suaves cuando se
+interpola sobre todas ellas a la vez.
+\end{responsebox}
+
+\section{Organización del espacio latente}
+
+\experimentfigure{latent_space.png}{0.86}{Medias posteriores: representación directa para $d_z=2$ y PCA para espacios mayores.}
+
+\subsection*{Pregunta 17}
+¿Qué clases forman regiones distinguibles? Identifique clases que se superponen
+y explique si su similitud visual puede justificarlo.
+\begin{responsebox}
+En la proyección directa de $d_z=2$, los dígitos "1" (naranja), "0" (azul) y
+"7" (gris) forman regiones bastante distinguibles, mientras que "2", "3", "4",
+"5", "6", "8" y "9" se agrupan en una nube densa y superpuesta en el centro.
+Esta separación es visualmente razonable: "1" y "0" tienen trazos muy distintos
+de los demás dígitos (una línea vertical frente a un óvalo cerrado), mientras
+que dígitos como "3", "5", "8" y "9" comparten curvas similares y por tanto es
+esperable que se confundan en un espacio de solo dos dimensiones.
+\end{responsebox}
+
+\subsection*{Pregunta 18}
+¿Por qué la gráfica directa de $d_z=2$ debe interpretarse de manera diferente a
+las proyecciones bidimensionales obtenidas mediante PCA?
+\begin{responsebox}
+La gráfica de $d_z=2$ muestra las coordenadas reales que usa el decodificador
+para generar cada imagen; toda la información que el modelo emplea está
+contenida en esos dos ejes. En cambio, para $d_z=8$, 16 y 64 la gráfica muestra
+solo los dos componentes principales que capturan la mayor varianza,
+descartando el resto de la información codificada en las demás dimensiones. Por
+eso, que las clases se vean más mezcladas en las proyecciones PCA de espacios
+más grandes no implica que esas clases sean menos separables en el espacio
+latente completo: solo indica que dos componentes no bastan para visualizar esa
+separación.
+\end{responsebox}
+
+\section{Análisis de dimensiones activas}
+
+\experimentfigure{active_dimensions.png}{0.88}{Contribución KL promedio de cada dimensión; la línea discontinua indica el umbral de actividad.}
+
+\subsection*{Pregunta 19}
+¿Cada modelo utiliza todas las dimensiones disponibles? Compare el número y la
+proporción de dimensiones activas.
+\begin{responsebox}
+No. Los modelos con $d_z=2$, 8 y 16 utilizan el 100\% de sus dimensiones (2/2,
+8/8 y 16/16 respectivamente), pero el modelo con $d_z=64$ solo utiliza 42 de 64
+dimensiones (65.6\%), dejando 22 dimensiones prácticamente colapsadas al prior
+(KL promedio cercano a cero).
+\end{responsebox}
+
+\subsection*{Pregunta 20}
+Si el modelo de 64 dimensiones deja muchas dimensiones inactivas, ¿qué implica
+para su capacidad nominal y efectiva? ¿Debe considerarse automáticamente un
+fracaso de entrenamiento?
+\begin{responsebox}
+Implica que la capacidad efectiva de este modelo (unas 42 dimensiones activas)
+es considerablemente menor que su capacidad nominal (64), lo que confirma que
+ofrecer más dimensiones de las necesarias no garantiza que todas se utilicen.
+Esto no debe considerarse automáticamente un fracaso de entrenamiento: es un
+comportamiento esperado y bien documentado en VAEs, donde el término KL
+regulariza el posterior hacia el prior y "apaga" las dimensiones que no aportan
+una reducción suficiente en el error de reconstrucción. De hecho, refleja que el
+modelo evita usar capacidad innecesaria, aunque a costa de un mayor número de
+parámetros sin beneficio proporcional.
+\end{responsebox}
+
+\section{Recomendación final}
+
+\subsection*{Pregunta 21: dimensión seleccionada}
+\begin{center}
+\Large Recomiendo $d_z=\boxed{16}$ para el escenario planteado.
+\end{center}
+
+\subsection*{Pregunta 22: justificación basada en evidencia}
+Defienda su decisión utilizando:
+\begin{itemize}[leftmargin=*]
+  \item al menos tres valores cuantitativos;
+  \item evidencia de reconstrucción;
+  \item realismo y diversidad de las muestras del prior;
+  \item comportamiento de las interpolaciones;
+  \item dimensiones latentes activas; y
+  \item compacidad o costo computacional.
+\end{itemize}
+\begin{responsebox}
+Se recomienda $d_z=16$ porque logra casi el mismo desempeño que el modelo más
+grande evaluado, con una fracción notablemente menor de recursos: (1) su
+pérdida de reconstrucción en prueba (80.824) está a solo 4.85 unidades (6.0\%)
+de la de $d_z=64$ (75.972), y su ELBO negativo (105.604) está a apenas 0.78
+unidades (0.7\%) del de $d_z=64$ (104.825); (2) utiliza el 100\% de sus 16
+dimensiones (16/16 activas), a diferencia de $d_z=64$, que solo activa 42 de 64
+(65.6\%) —es decir, $d_z=16$ no desperdicia capacidad latente; (3) tiene
+220{,}385 parámetros, menos de un tercio de los 672{,}065 de $d_z=64$, con un
+tiempo de entrenamiento comparable (\textasciitilde257\,s). Cualitativamente,
+sus reconstrucciones son indistinguibles de las de $d_z=64$ para las 12
+imágenes de prueba observadas, sus muestras del prior muestran diversidad y
+nitidez similares (buena proporción de dígitos reconocibles y variedad de
+clases), y su interpolación entre el dígito 3 y el 8 es igual de gradual y
+coherente que la de $d_z=64$. En conjunto, $d_z=16$ ofrece prácticamente toda la
+calidad alcanzable en este experimento con un modelo compacto y sin dimensiones
+latentes desperdiciadas.
+\end{responsebox}
+
+\subsection*{Pregunta 23: debilidad del modelo seleccionado}
+Identifique la principal debilidad del modelo recomendado. Explique por qué la
+recomendación sigue siendo razonable.
+\begin{responsebox}
+La principal debilidad de $d_z=16$ es que su proyección PCA del espacio latente
+no muestra una separación clara entre la mayoría de las clases de dígitos (solo
+el "1" se distingue con nitidez), lo que sugiere que, incluso con una
+reconstrucción y muestreo satisfactorios, la organización interna del espacio
+latente para fines de exploración semántica directa no es tan interpretable
+como la de $d_z=2$. Además, su pérdida de reconstrucción, aunque cercana a la
+del mejor modelo, sigue siendo peor en términos absolutos que la de $d_z=64$,
+por lo que en aplicaciones donde cada fracción de error importa (por ejemplo,
+compresión con pérdida mínima) $d_z=16$ seguiría siendo subóptimo. La
+recomendación se mantiene razonable porque ninguna de estas limitaciones afecta
+al escenario planteado, centrado en reconstrucción, generación e interpolación
+con un modelo compacto.
+\end{responsebox}
+
+\subsection*{Pregunta 24: escenario alternativo}
+Describa un uso realista en el que otra dimensión sería preferible. Seleccione
+la dimensión alternativa y justifique su elección.
+\begin{responsebox}
+Si el objetivo del sistema fuera visualizar y explorar directamente la
+organización del espacio latente de los dígitos —por ejemplo, en una
+herramienta educativa interactiva donde un usuario mueve un cursor 2D para
+generar dígitos— sería preferible $d_z=2$: aunque su reconstrucción es
+notablemente peor (153.815 frente a 80.824), es el único modelo cuyo espacio
+latente completo puede graficarse y recorrerse directamente sin recurrir a una
+proyección PCA que oculta información, y ya muestra una separación parcial pero
+real entre varias clases (1, 0 y 7) útil para ese propósito exploratorio,
+además de ser el modelo más compacto (88{,}645 parámetros).
+\end{responsebox}
+
+\section{Limitaciones y experimentos posteriores}
+
+\subsection*{Pregunta 25}
+Identifique al menos tres limitaciones del experimento. Considere duración del
+entrenamiento, variación aleatoria, subjetividad visual, complejidad de MNIST,
+arquitectura y umbral de actividad.
+\begin{responsebox}
+(1) Cada modelo se entrenó una sola vez con una única semilla aleatoria (42) y
+solo 8 épocas; no se midió la variabilidad entre corridas repetidas, por lo que
+pequeñas diferencias entre modelos cercanos (por ejemplo, $d_z=16$ frente a
+$d_z=64$) podrían no ser estadísticamente robustas. (2) La evaluación de
+reconstrucciones, muestras del prior e interpolaciones se basa en inspección
+visual subjetiva de un conjunto reducido de ejemplos (12 imágenes de prueba, 16
+muestras del prior, un solo par de dígitos para interpolar), lo que limita la
+generalización de las conclusiones cualitativas. (3) MNIST es un conjunto de
+datos relativamente simple (dígitos centrados, en escala de grises, baja
+resolución), por lo que los resultados sobre la dimensión latente óptima
+podrían no trasladarse directamente a datos más complejos. (4) El umbral de
+actividad KL (0.01) es arbitrario; un umbral distinto cambiaría el conteo de
+dimensiones activas reportado, especialmente para $d_z=64$, cuya distribución de
+contribuciones KL por dimensión es continua y no binaria.
+\end{responsebox}
+
+\subsection*{Pregunta 26}
+Proponga un experimento posterior que fortalezca la recomendación. Indique la
+variable que cambiaría, las cantidades que mediría y qué resultado apoyaría o
+contradiría su decisión.
+\begin{responsebox}
+Se propone repetir el experimento variando el número de épocas de entrenamiento
+(por ejemplo, 8, 20 y 40) para los candidatos $d_z=16$ y $d_z=64$, midiendo la
+pérdida de reconstrucción, el ELBO negativo y la fracción de dimensiones
+activas en cada punto. Si con más épocas $d_z=64$ activa progresivamente más
+dimensiones y su reconstrucción mejora sustancialmente más que la de $d_z=16$
+(por ejemplo, una brecha mayor al 15\% en lugar del 6\% actual), esto
+contradiría la recomendación de $d_z=16$ y sugeriría que el modelo grande
+simplemente necesitaba más tiempo de entrenamiento. Si, en cambio, la brecha
+entre ambos se mantiene igual de pequeña o se reduce aún más, esto reforzaría
+la conclusión de que $d_z=16$ captura casi toda la capacidad útil para este
+problema.
+\end{responsebox}
+
+\section{Conclusión}
+
+Escriba una conclusión de 150--250 palabras. Indique el modelo seleccionado,
+resuma la evidencia decisiva y describa el principal compromiso observado.
+\begin{responsebox}
+Se recomienda $d_z=16$ como la dimensión latente para el sistema de exploración
+de dígitos manuscritos planteado en el escenario. Con solo 220{,}385
+parámetros —menos de un tercio de los 672{,}065 del modelo más grande
+evaluado— este modelo alcanza una pérdida de reconstrucción de prueba de
+80.824 y un ELBO negativo de 105.604, a menos del 7\% y 1\% respectivamente de
+los valores obtenidos por $d_z=64$ (75.972 y 104.825). A diferencia de
+$d_z=64$, que solo activa 42 de sus 64 dimensiones (65.6\%), $d_z=16$ utiliza el
+100\% de su capacidad latente, sin desperdicio. Cualitativamente, sus
+reconstrucciones, muestras generadas a partir del prior $\mathcal N(0,I)$ e
+interpolaciones entre dígitos son prácticamente indistinguibles de las del
+modelo de 64 dimensiones, y muy superiores a las de $d_z=2$, cuyas imágenes
+resultan notablemente borrosas y con identidad ambigua. El principal compromiso
+observado es que una capacidad mayor ($d_z=64$) sí reduce ligeramente el error
+de reconstrucción, pero ese beneficio marginal no compensa el triple de
+parámetros y el uso ineficiente del espacio latente. Una debilidad de $d_z=16$
+es que su proyección bidimensional (PCA) del espacio latente no muestra clases
+bien separadas, a diferencia de $d_z=2$, que sería preferible si el objetivo
+fuera la exploración visual directa del espacio latente en lugar de la calidad
+de reconstrucción y generación.
+\end{responsebox}
+
+\section*{Lista de verificación}
+\begin{itemize}[label=$\boxtimes$,leftmargin=*]
+  \item Se respondieron las 26 preguntas.
+  \item La recomendación final selecciona una dimensión latente.
+  \item Las afirmaciones cuantitativas incluyen valores medidos.
+  \item Las afirmaciones cualitativas hacen referencia a figuras o ejemplos.
+  \item Se diferencia la gráfica directa de las proyecciones mediante PCA.
+  \item Se analiza una limitación y un escenario alternativo.
+  \item El informe completo compila sin errores.
+\end{itemize}
+
+\end{document}
@@ -0,0 +1,345 @@
+\documentclass[11pt,letterpaper]{article}
+
+\usepackage[margin=0.85in]{geometry}
+\usepackage[T1]{fontenc}
+\usepackage[utf8]{inputenc}
+\usepackage{lmodern}
+\usepackage{microtype}
+\usepackage{amsmath,amssymb,bm}
+\usepackage{booktabs,tabularx,array}
+\usepackage{graphicx}
+\usepackage{xcolor}
+\usepackage[most]{tcolorbox}
+\usepackage{enumitem}
+\usepackage{fancyhdr}
+\usepackage{hyperref}
+\usepackage{float}
+
+\definecolor{navy}{HTML}{17324D}
+\definecolor{teal}{HTML}{147D7E}
+\definecolor{gold}{HTML}{D49A2A}
+\definecolor{lightgold}{HTML}{FFF7E6}
+
+\hypersetup{
+  colorlinks=true,
+  linkcolor=navy,
+  urlcolor=teal,
+  pdftitle={Informe del experimento de dimensión latente de un VAE}
+}
+
+\pagestyle{fancy}
+\fancyhf{}
+\lhead{Experimento de dimensión latente de un VAE}
+\rhead{Procesamiento de Imágenes y Visión por Computadora}
+\cfoot{\thepage}
+\setlength{\headheight}{14pt}
+
+\graphicspath{{outputs/latent_dimension_experiment/}}
+
+\newcommand{\studentname}{Nombre del estudiante}
+\newcommand{\studentid}{0000}
+\newcommand{\coursesection}{Sección}
+\newcommand{\submissiondate}{\today}
+
+\newtcolorbox{responsebox}[1][]{
+  colback=white,
+  colframe=teal!70!black,
+  boxrule=0.8pt,
+  arc=2pt,
+  title=Respuesta,
+  fonttitle=\bfseries,
+  breakable,
+  #1
+}
+
+\newtcolorbox{evidencebox}[1][]{
+  colback=lightgold,
+  colframe=gold!80!black,
+  boxrule=0.8pt,
+  arc=2pt,
+  title=Evidencia que debe incluir,
+  fonttitle=\bfseries,
+  breakable,
+  #1
+}
+
+\newcommand{\answerarea}[1][2.1cm]{%
+\begin{responsebox}
+\textit{Escriba aquí su respuesta.}
+\vspace{#1}
+\end{responsebox}
+}
+
+\newcommand{\experimentfigure}[3]{%
+\begin{figure}[H]
+\centering
+\IfFileExists{outputs/latent_dimension_experiment/#1}{%
+  \includegraphics[width=#2\textwidth]{#1}%
+}{%
+  \fbox{\parbox[c][5.0cm][c]{0.88\textwidth}{\centering
+  Ejecute el notebook para generar \texttt{\detokenize{#1}}.}}%
+}
+\caption{#3}
+\end{figure}
+}
+
+\title{\textbf{Informe de laboratorio: selección de la dimensión latente de un autoencoder variacional}}
+\author{}
+\date{}
+
+\begin{document}
+\maketitle
+
+\begin{center}
+\renewcommand{\arraystretch}{1.35}
+\begin{tabularx}{0.92\textwidth}{@{}>{\bfseries}lX>{\bfseries}lX@{}}
+Nombre: & \studentname & Carné: & \studentid \\
+Sección: & \coursesection & Fecha de entrega: & \submissiondate \\
+\end{tabularx}
+\end{center}
+
+\section{Objetivo del laboratorio}
+
+Se desea seleccionar un autoencoder variacional capaz de reconstruir dígitos
+reconocibles, generar muestras plausibles a partir de la distribución normal
+estándar, producir interpolaciones graduales y mantener una representación
+compacta. Se comparan las dimensiones latentes
+\[
+d_z\in\{2,8,16,64\}.
+\]
+La recomendación final debe apoyarse en evidencia cuantitativa y cualitativa.
+Ninguna métrica individual es suficiente para decidir.
+
+\section{Hipótesis iniciales}
+
+Complete esta sección antes de examinar los resultados.
+
+\subsection*{Pregunta 1}
+¿Qué dimensión latente espera que produzca la menor pérdida de reconstrucción?
+Explique la relación esperada entre capacidad latente y reconstrucción.
+\answerarea[2.5cm]
+
+\subsection*{Pregunta 2}
+¿Qué dimensión espera que produzca las muestras más plausibles para
+$\mathbf z\sim\mathcal N(0,I)$? Explique por qué la calidad de muestreo puede no
+seguir el mismo comportamiento que la reconstrucción.
+\answerarea[2.5cm]
+
+\subsection*{Pregunta 3}
+Prediga si todas las dimensiones disponibles estarán activas en el modelo con
+$d_z=64$. ¿Qué significa que una dimensión se encuentre inactiva?
+\answerarea[2.3cm]
+
+\subsection*{Pregunta 4}
+Escriba una recomendación inicial. Indique qué evidencia podría hacerle cambiar
+esa recomendación.
+\answerarea[2.5cm]
+
+\section{Integridad experimental}
+
+\subsection*{Pregunta 5}
+Registre la configuración y explique por qué deben mantenerse constantes todos
+los parámetros distintos de la dimensión latente.
+
+\begin{center}
+\renewcommand{\arraystretch}{1.3}
+\begin{tabular}{@{}ll@{}}
+\toprule
+Configuración & Valor \\
+\midrule
+Conjunto de datos & MNIST \\
+Dimensiones latentes & $2,8,16,64$ \\
+$\beta$ & \rule{3cm}{0.4pt} \\
+Épocas & \rule{3cm}{0.4pt} \\
+Tamaño de lote & \rule{3cm}{0.4pt} \\
+Tasa de aprendizaje & \rule{3cm}{0.4pt} \\
+Semilla aleatoria & \rule{3cm}{0.4pt} \\
+Umbral de actividad & \rule{3cm}{0.4pt} \\
+Dispositivo utilizado & \rule{3cm}{0.4pt} \\
+\bottomrule
+\end{tabular}
+\end{center}
+\answerarea[2.3cm]
+
+\section{Resultados cuantitativos}
+
+\IfFileExists{outputs/latent_dimension_experiment/summary_table.tex}{%
+\begin{table}[H]
+\centering
+\resizebox{\textwidth}{!}{\input{outputs/latent_dimension_experiment/summary_table.tex}}
+\caption{Comparación final de las dimensiones latentes candidatas.}
+\end{table}
+}{%
+\begin{center}
+\fbox{\parbox[c][3.2cm][c]{0.88\textwidth}{\centering
+Ejecute el notebook para generar \texttt{summary\_table.tex}.}}
+\end{center}
+}
+
+\subsection*{Pregunta 6}
+Ordene los cuatro modelos según su pérdida de reconstrucción en prueba. ¿Las
+mejoras entre dimensiones consecutivas son sustanciales o marginales? Incluya
+los valores medidos.
+\answerarea[2.8cm]
+
+\subsection*{Pregunta 7}
+¿Cómo cambian la divergencia KL total, el número de dimensiones activas y la
+fracción activa al aumentar $d_z$? Explique qué revela cada medida sobre la
+capacidad latente efectiva.
+\answerarea[3.0cm]
+
+\subsection*{Pregunta 8}
+Compare el número de parámetros y el tiempo de entrenamiento. ¿Aumentar $d_z$
+modifica sustancialmente el tamaño total y el costo computacional del modelo?
+\answerarea[2.8cm]
+
+\section{Comportamiento durante el entrenamiento}
+
+\experimentfigure{training_curves.png}{0.98}{Comportamiento de entrenamiento y prueba para cada dimensión latente.}
+
+\subsection*{Pregunta 9}
+¿Todos los modelos alcanzaron una región razonablemente estable en la última
+época? Identifique cualquier comparación afectada por convergencia incompleta.
+\answerarea[2.5cm]
+
+\subsection*{Pregunta 10}
+Describa la relación entre la pérdida de reconstrucción, la divergencia KL y el
+ELBO negativo. ¿Qué término explica las principales diferencias entre modelos?
+\answerarea[2.8cm]
+
+\section{Análisis de reconstrucción}
+
+\experimentfigure{reconstructions.png}{0.98}{Reconstrucciones de las mismas imágenes de prueba mediante las medias posteriores.}
+
+\subsection*{Pregunta 11}
+Identifique al menos dos imágenes en las que aumentar $d_z$ produzca una mejora
+visual significativa. Describa cambios en trazos, forma, ambigüedad o detalles.
+\answerarea[3.0cm]
+
+\subsection*{Pregunta 12}
+¿A partir de qué dimensión las dimensiones adicionales muestran rendimientos
+decrecientes? Utilice evidencia visual y la pérdida de reconstrucción.
+\answerarea[2.8cm]
+
+\section{Análisis de muestras del prior}
+
+\experimentfigure{prior_samples.png}{0.98}{Muestras generadas a partir de $\mathbf z\sim\mathcal N(0,I)$.}
+
+\subsection*{Pregunta 13}
+Compare el realismo y la diversidad de las muestras. ¿Qué modelo produce la
+mayor proporción de dígitos reconocibles? ¿Cuál muestra mayor variedad visible?
+\answerarea[3.0cm]
+
+\subsection*{Pregunta 14}
+¿El modelo con la mejor reconstrucción también produce las mejores muestras del
+prior? Explique por qué ambos resultados pueden diferir en un VAE.
+\begin{evidencebox}
+Considere el término de reconstrucción y la necesidad de que los posteriores
+codificados sean compatibles con el prior utilizado para generar.
+\end{evidencebox}
+\answerarea[3.0cm]
+
+\section{Análisis de interpolación}
+
+\experimentfigure{interpolations.png}{0.98}{Interpolación lineal entre las medias posteriores del par seleccionado.}
+
+\subsection*{Pregunta 15}
+¿Qué modelo produce la transición más gradual y plausible? Describa dónde cambia
+la identidad y si los trazos intermedios permanecen coherentes.
+\answerarea[3.0cm]
+
+\subsection*{Pregunta 16}
+¿Una interpolación suave demuestra que cada dimensión latente tiene un significado
+interpretable? Explique la limitación de esa conclusión.
+\answerarea[2.6cm]
+
+\section{Organización del espacio latente}
+
+\experimentfigure{latent_space.png}{0.86}{Medias posteriores: representación directa para $d_z=2$ y PCA para espacios mayores.}
+
+\subsection*{Pregunta 17}
+¿Qué clases forman regiones distinguibles? Identifique clases que se superponen
+y explique si su similitud visual puede justificarlo.
+\answerarea[3.0cm]
+
+\subsection*{Pregunta 18}
+¿Por qué la gráfica directa de $d_z=2$ debe interpretarse de manera diferente a
+las proyecciones bidimensionales obtenidas mediante PCA?
+\answerarea[2.8cm]
+
+\section{Análisis de dimensiones activas}
+
+\experimentfigure{active_dimensions.png}{0.88}{Contribución KL promedio de cada dimensión; la línea discontinua indica el umbral de actividad.}
+
+\subsection*{Pregunta 19}
+¿Cada modelo utiliza todas las dimensiones disponibles? Compare el número y la
+proporción de dimensiones activas.
+\answerarea[2.7cm]
+
+\subsection*{Pregunta 20}
+Si el modelo de 64 dimensiones deja muchas dimensiones inactivas, ¿qué implica
+para su capacidad nominal y efectiva? ¿Debe considerarse automáticamente un
+fracaso de entrenamiento?
+\answerarea[3.2cm]
+
+\section{Recomendación final}
+
+\subsection*{Pregunta 21: dimensión seleccionada}
+\begin{center}
+\Large Recomiendo $d_z=\boxed{\phantom{000}}$ para el escenario planteado.
+\end{center}
+
+\subsection*{Pregunta 22: justificación basada en evidencia}
+Defienda su decisión utilizando:
+\begin{itemize}[leftmargin=*]
+  \item al menos tres valores cuantitativos;
+  \item evidencia de reconstrucción;
+  \item realismo y diversidad de las muestras del prior;
+  \item comportamiento de las interpolaciones;
+  \item dimensiones latentes activas; y
+  \item compacidad o costo computacional.
+\end{itemize}
+\answerarea[7.0cm]
+
+\subsection*{Pregunta 23: debilidad del modelo seleccionado}
+Identifique la principal debilidad del modelo recomendado. Explique por qué la
+recomendación sigue siendo razonable.
+\answerarea[3.2cm]
+
+\subsection*{Pregunta 24: escenario alternativo}
+Describa un uso realista en el que otra dimensión sería preferible. Seleccione
+la dimensión alternativa y justifique su elección.
+\answerarea[3.5cm]
+
+\section{Limitaciones y experimentos posteriores}
+
+\subsection*{Pregunta 25}
+Identifique al menos tres limitaciones del experimento. Considere duración del
+entrenamiento, variación aleatoria, subjetividad visual, complejidad de MNIST,
+arquitectura y umbral de actividad.
+\answerarea[4.0cm]
+
+\subsection*{Pregunta 26}
+Proponga un experimento posterior que fortalezca la recomendación. Indique la
+variable que cambiaría, las cantidades que mediría y qué resultado apoyaría o
+contradiría su decisión.
+\answerarea[4.0cm]
+
+\section{Conclusión}
+
+Escriba una conclusión de 150--250 palabras. Indique el modelo seleccionado,
+resuma la evidencia decisiva y describa el principal compromiso observado.
+\answerarea[4.0cm]
+
+\section*{Lista de verificación}
+\begin{itemize}[label=$\square$,leftmargin=*]
+  \item Se respondieron las 26 preguntas.
+  \item La recomendación final selecciona una dimensión latente.
+  \item Las afirmaciones cuantitativas incluyen valores medidos.
+  \item Las afirmaciones cualitativas hacen referencia a figuras o ejemplos.
+  \item Se diferencia la gráfica directa de las proyecciones mediante PCA.
+  \item Se analiza una limitación y un escenario alternativo.
+  \item El informe completo compila sin errores.
+\end{itemize}
+
+\end{document}
@@ -0,0 +1,15 @@
+{
+  "seed": 42,
+  "latent_dimensions": [
+    2,
+    8,
+    16,
+    64
+  ],
+  "beta": 1.0,
+  "epochs": 8,
+  "batch_size": 256,
+  "learning_rate": 0.001,
+  "active_kl_threshold": 0.01,
+  "device": "cpu"
+}
@@ -0,0 +1,9 @@
+epoch,train_loss,train_reconstruction,train_kl,test_loss,test_reconstruction,test_kl
+1,194.58393379720053,175.48489509684245,19.09903873833815,130.93381232910156,108.26412487792969,22.669688568115234
+2,124.60164559326172,101.15291471761067,23.44873085123698,118.81840416259766,95.25473420410157,23.563670153808594
+3,116.78998135172526,92.74015213216146,24.049829255167644,113.08031853027343,88.582109375,24.498209783935547
+4,112.71829342041016,88.43491739501953,24.28337615661621,110.41185048828125,86.33808363037109,24.073766467285157
+5,110.3596667602539,86.0051683959961,24.35449857076009,108.8561907836914,83.92672475585937,24.929465832519533
+6,108.77466271565756,84.42341725260417,24.35124549560547,107.3223890625,83.26506918945313,24.057319537353514
+7,107.5822222290039,83.25968048095703,24.322541959635416,106.22459836425782,81.54324875488281,24.681349908447267
+8,106.67053671875,82.37358662516276,24.29695024922689,105.60406574707031,80.82425764160156,24.77980806274414
@@ -0,0 +1,9 @@
+epoch,train_loss,train_reconstruction,train_kl,test_loss,test_reconstruction,test_kl
+1,214.50344514160156,206.6360744140625,7.867370829008023,180.69990083007812,175.01709204101562,5.682808818817139
+2,176.8603714436849,171.43450122884116,5.425870570882162,173.6909063232422,168.53819150390626,5.152714322662353
+3,172.14672754720053,166.94108987630207,5.205637788136801,170.06085971679687,164.89225100097656,5.168609001922608
+4,168.69642669270834,163.50723880208332,5.189188002268473,167.1127751953125,161.8381774658203,5.274598063659668
+5,165.9270773844401,160.73688623860676,5.190190850575765,164.90293757324218,159.94551962890625,4.957417066955567
+6,163.64551680501302,158.44852639160158,5.196989870452881,162.63473374023437,157.47572224121095,5.159009851837158
+7,161.6512779703776,156.37544615071616,5.2758320025126135,160.93336838378906,155.6678894042969,5.265479164123535
+8,159.87877953287762,154.53332881673177,5.345450691477458,159.42389772949218,153.81529624023437,5.608600630950928
@@ -0,0 +1,9 @@
+epoch,train_loss,train_reconstruction,train_kl,test_loss,test_reconstruction,test_kl
+1,179.3074365641276,155.7149076131185,23.59252906471888,131.67581762695312,101.02223177490234,30.653585943603517
+2,122.59562550455729,91.83565464274089,30.759970919799805,115.52319572753906,84.367188671875,31.156007104492186
+3,113.6100835571289,83.19448351236979,30.41560001627604,110.70017164306641,80.19446899414062,30.505702603149413
+4,110.41267469075521,80.4962550415039,29.916419713338215,108.54279274902343,78.06112868652343,30.481663970947267
+5,108.68612502034505,79.15287654622396,29.5332484954834,107.24194914550782,78.06970739746093,29.17224097290039
+6,107.45811442057291,78.25812352294922,29.199991138712566,106.32864702148437,75.58045902099609,30.748187512207032
+7,106.58018358968098,77.66063642985026,28.91954721984863,105.446982421875,77.35936909179688,28.087613525390626
+8,105.86727047526041,77.17564948323567,28.69162111002604,104.82540803222656,75.97232977294922,28.853078353881838
@@ -0,0 +1,9 @@
+epoch,train_loss,train_reconstruction,train_kl,test_loss,test_reconstruction,test_kl
+1,194.38905454915366,179.37971506347657,15.009339568354687,142.19221296386718,126.5895224609375,15.602690301513672
+2,135.9645408610026,120.53864139404297,15.425899491373698,129.71243697509766,113.97722583007813,15.735211050415039
+3,128.11734686279297,112.35682171223958,15.760525179036458,125.09155083007812,108.70252813720703,16.389023248291014
+4,124.2283656616211,108.36162486979167,15.866740420532226,121.64499807128907,105.43607805175782,16.208919818115234
+5,121.65717885335286,105.76112994791667,15.896048705546061,119.75198037109375,103.7866158569336,15.965363806152343
+6,119.75065758056641,103.79047712809245,15.960180529785156,117.79170933837891,101.54909013671875,16.242619421386717
+7,118.16403889973958,102.14432193603515,16.019716856384278,116.644436328125,100.65633608398437,15.988100588989258
+8,116.85729860026042,100.73877130940755,16.118527282714844,115.50761174316406,99.42716062011719,16.080450680541993
@@ -0,0 +1,5 @@
+Latent dim,Parameters,Test negative ELBO,Test reconstruction,Test KL,Active dimensions,Active fraction,Training seconds
+2,88645,159.42389772949218,153.81529624023437,5.608600630950928,2,1.0,259.9766161441803
+8,145105,115.50761174316406,99.42716062011719,16.080450680541993,8,1.0,270.2368748188019
+16,220385,105.60406574707031,80.82425764160156,24.77980806274414,16,1.0,256.8563587665558
+64,672065,104.82540803222656,75.97232977294922,28.853078353881838,42,0.65625,266.9931149482727
@@ -0,0 +1,10 @@
+\begin{tabular}{rrrrrrrr}
+\toprule
+Latent dim & Parameters & Test negative ELBO & Test reconstruction & Test KL & Active dimensions & Active fraction & Training seconds \\
+\midrule
+2 & 88645 & 159.424 & 153.815 & 5.609 & 2 & 1.000 & 259.977 \\
+8 & 145105 & 115.508 & 99.427 & 16.080 & 8 & 1.000 & 270.237 \\
+16 & 220385 & 105.604 & 80.824 & 24.780 & 16 & 1.000 & 256.856 \\
+64 & 672065 & 104.825 & 75.972 & 28.853 & 42 & 0.656 & 266.993 \\
+\bottomrule
+\end{tabular}