AutoEncoder 질문 드립니다.

먼저 AutoEncoder를 학습할때 사용하는 x의 범위에 대해서 궁금합니다. 보통 딥러닝의 입력으로는 0 ~ 1 혹은 -1 ~ 1등의 정규화 과정을 하는데 그러한 정규화 과정이 학습할때는 보이지 않는 것 같습니다.

두번째 질문은 view_data를 255로 나누는 이유입니다. 학습 과정에서 따로 정규화가 없다면 입력은 0 ~ 255라고 생각을 하는데, test를 하는 데이터인 view_data만 255로 나눠도 동작을 하는 이유가 궁금합니다.

세번째 질문은 Activation위치입니다. 현재 코드에서는 Encoder는 입력이 주어지면 한개의 Hidden Layer(1)를 거쳐 Latent Vector(2)를 만들고, Decoder는 Encoder가 생성한 Latent Vector(2)를 이용하여 한개의 Hidden Layer(3)를 거쳐서 출력(4)를 생성합니다. Activation의 위치를 봐서 (1)과 (3)의 출력에 대해서 Activation이 걸리는 것 같습니다. 만약 이것이 맞나면 왜 (2)번과 (4)번에는 Activation을 사용하지 않는지 궁금합니다. 저는 아래와 같이 코드를 수정해야 한다고 생각하고 있는데 잘못된 부분이 있으면 알고 싶습니다.(입력이 0.0~1.0 으로 정규화 되었다는 가정 하에).

self.encoder = nn.Sequential(
            nn.Linear(28*28, 128),
            nn.ReLU(),
            nn.Linear(128, 64),

            nn.ReLU(),

 ) self.decoder = nn.Sequential( nn.Linear(64, 128), nn.ReLU(), nn.Linear(128, 28*28),

            nn.Sigmoid(),

)