Untitled

Xin lỗi vì sự nhầm lẫn. Để tính toán KL divergence loss, cần có mean và log_var được trả về từ mô hình encoder. Đoạn mã sau sẽ giúp sửa lỗi và cung cấp giá trị mean và log_var:

```python
def vae_loss(inputs, outputs, mean, log_var):
    reconstruction_loss = tf.reduce_mean(tf.square(inputs - outputs))
    kl_loss = -0.5 * tf.reduce_mean(1 + log_var - tf.square(mean) - tf.exp(log_var))
    return reconstruction_loss + kl_loss

def train_vae(x_train, input_dim, latent_dim, epochs, batch_size):
    encoder = build_encoder(input_dim, latent_dim)
    decoder = build_decoder(input_dim, latent_dim)

    inputs = tf.keras.Input(shape=(input_dim,))
    mean, log_var = encoder(inputs)
    z = tf.random.normal(shape=(tf.shape(inputs)[0], latent_dim))
    sampled_z = mean + tf.exp(0.5 * log_var) * z
    outputs = decoder(sampled_z)

    vae = tf.keras.Model(inputs, outputs, name='vae')
    vae.compile(optimizer='adam', loss=lambda inputs, outputs: vae_loss(inputs, outputs, mean, log_var))

    vae.fit(x_train, x_train, batch_size=batch_size, epochs=epochs)

# Chuẩn bị dữ liệu huấn luyện
(x_train, _), _ = tf.keras.datasets.mnist.load_data()
x_train = x_train.reshape(-1, 784) / 255.0

# Tham số huấn luyện
input_dim = 784
latent_dim = 32
epochs = 100
batch_size = 128

# Huấn luyện mô hình VAE
train_vae(x_train, input_dim, latent_dim, epochs, batch_size)
```

Trong ví dụ trên, hàm `train_vae` xây dựng mô hình VAE hoàn chỉnh bằng cách kết hợp encoder và decoder. Giá trị `mean` và `log_var` được trả về từ encoder và sử dụng trong hàm loss function `vae_loss`.