机器学习: 变分自编码器VAE

前言：
比较好的资料可以参看参考资料中【苏剑林】的相关讲解。这篇博客就不重复造轮子了。

---

问答总结：

• 如何理解VAE的目的是进行分布之间的变换?
• 专属分布$P(Z|X_k)$的提出原因是什么？
• 在VAE中，优化函数是什么的时候，会退化为普通的AutoEncoder?
• 如何理解VAE通过KL散度让所有$P(Z|X_k)$都向$\mathcal{N}(0,1)$看齐，从而使得模型具有生成能力。
• VAE的重参数技巧是什么？为什么会有重参数技巧？
• VAE和AE的区别就是对一个样本，前者编码的是一个多维分布，二后者编码的是确定的向量。

参考资料

• [1] 苏剑林. (2018, Mar 18). 《变分自编码器（一）：原来是这么一回事 》[Blog post]. Retrieved from https://kexue.fm/archives/5253
• [2] Kingma D P, Welling M. Auto-encoding variational bayes[J]. arXiv preprint arXiv:1312.6114, 2013.
• [3] 苏剑林. (2018, Mar 28). 《变分自编码器（二）：从贝叶斯观点出发 》[Blog post]. Retrieved from https://spaces.ac.cn/archives/5343

来源：https://blog.csdn.net/Wangpeiyi9979/article/details/99291933