导入
简介
了解本章将涵盖的主题概要。
在本章中，我们将讨论一类生成模型，称为变分自编码器（Variational Autoencoders, VAE）。这类模型旨在使复杂真实世界图像的生成过程更易于处理且可调节。它们通过引入一系列巧妙的简化方法，使得能够以可扩展的方式对真实世界图像所代表的复杂概率分布进行采样。
为了理解VAE的工作原理，我们将探讨以下主题：
- 神经网络如何创建数据的低维表示，以及这些表示应具备哪些理想特性？
- 变分方法如何利用这些低维表示从复杂数据中进行采样？
- 重参数化技巧（reparameterization trick）如何帮助我们稳定基于变分采样的神经网络（即VAE）的方差？
- 如何使用逆自回归流（Inverse Autoregressive Flow, IAF）来调节VAE的输出？
- 如何在TensorFlow中实现VAE和IAF？