VAE 变分自编码器

VAE

学习+整理
来源：
https://www.spaces.ac.cn/archives/5253
https://www.cnblogs.com/blogofnickchen/p/7221641.html

分布变换

VAE和GAN它们两个的目标基本是一致的——希望构建一个从隐变量Z生成目标数据X的模型，但是实现上有所不同。更准确地讲，它们是假设了Z服从某些常见的分布（比如正态分布或均匀分布），然后希望训练一个模型X=g(Z)X=g(Z)，这个模型能够将原来的概率分布映射到训练集的概率分布，也就是说，它们的目的都是进行分布之间的变换。

VAE 变分自编码器

首先我们有一批数据样本$X1,\dots ,Xn$，其整体用$X$来描述，我们本想根据$X1,\dots ,Xn$得到$X$的分布$p(X)$，如果能得到的话，那我直接根据$p(X)$来采样，就可以得到所有可能的$X$了（包括{X1,…,Xn}{X1,…,Xn}以外的），这是一个终极理想的生成模型了。当然，这个理想很难实现，于是我们将分布改一改

$p(X)={\sum }_{z}p(X|Z)p(Z)$

这里我们就不区分求和还是求积分了，意思对了就行。此时$p(X|Z)$就描述了一个由Z来生成X的模型，而我们假设Z服从标准正态分布，也就是$p(Z)=N(0,1)$。如果这个理想能实现，那么我们就可以先从标准正态分布中采样一个Z，然后根据Z来算一个X，也是一个很棒的生成模型。接下来就是结合自编码器来实现重构，保证有效信息没有丢失，再加上一系列的推导，最后把模型实现。

在整个VAE模型中，我们并没有去使用$p(Z)$（隐变量空间的分布）是正态分布的假设，我们用的是假设$p(Z|X)$（后验分布）是正态分布！！

具体来说，给定一个真实样本Xk，我们假设存在一个专属于Xk的分布p(Z|Xk)（学名叫后验分布），并进一步假设这个分布是（独立的、多元的）正态分布。为什么要强调“专属”呢？因为我们后面要训练一个生成器X=g(Z)，希望能够把从分布p(Z|Xk)采样出来的一个Zk还原为Xk。如果假设p(Z)是正态分布，然后从p(Z)中采样Z，那么我们怎么知道这个Z对应于哪个真实的X呢？现在p(Z|Xk)专属于Xk，我们有理由说从这个分布采样出来的Z应该要还原到Xk中去。

这时候每一个Xk都配上了一个专属的正态分布，才方便后面的生成器做还原。但这样有多少个X就有多少个正态分布了。我们知道正态分布有两组参数：均值μ和方差σ2（多元的话，它们都是向量）。用神经网络来拟合出专属于Xk的正态分布p(Z|Xk)的均值和方差！

构建两个神经网络${\mu }_k=f_1(X_k),\log {\sigma }^2=f_2(X_k)$来算它们。选择拟合$\log {\sigma }^2$而不是直接拟合${\sigma }^2$，是因为${\sigma }^2$总是非负的，需要加激活函数处理，而拟合$\log {\sigma }^2$不需要加激活函数，因为它可正可负。

最小化$D(\widehat{X_k},X_k{)}^2$。

分布标准化

最小化$D(\widehat{X_k},X_k{)}^2$会使方差为0，方差为零就等于没有噪声了。VAE让所有的都向标准正态分布看齐，防止噪声为零，保证模型具有生成能力。方法是在重构误差的基础上加入额外的loss：

$和L_{\mu }=||f_1(X_k)|{|}^2和L_{{\sigma }^2}=||f_2(X_k)|{|}^2$

因为它们分别代表了均值和方差的对数，达到标准分布就是希望它们尽量接近于0。对于这个两个损失的比例怎么选取，原论文直接算一般（各分量独立的）正态分布与标准正态分布的KL散度$KL(N(\mu ,{\sigma }^2)||N(0,1))$作为这个额外的loss。

KL散度 Kullback-Leibler Divergence

在统计应用中，我们经常需要用一个简单的，近似的概率分布$f^{\ast }$来描述
观察数据 D 或者另一个复杂的概率分布f。这个时候，我们需要一个量来衡量我们选择的近似分布$f^{\ast }$相比原分布f究竟损失了多少信息量，这就是KL散度起作用的地方。

一个概率分布对应的熵的表达： $H=-{\sum }_{i=1}^{N}p(x_i)\cdot \log p(x_i)$

在Variational Inference中，我们希望能够找到一个相对简单好算的概率分布q，使它尽可能地近似我们待分析的后验概率p(z|x)，其中z是隐变量，x是显变量。在这里我们的“loss函数”就是KL散度，他可以很好地测量两个概率分布之间的距离。如果两个分布越接近，那么KL散度越小，如果越远，KL散度就会越大。