AIGC实战——使用变分自编码器生成面部图像

0. 前言

在自编码器和变分自编码器上，我们都仅使用具有两个维度的潜空间。这有助于我们可视化自编码器和变分自编码器的内部工作原理，并理解自编码器和变分自编码潜空间分布的区别。在本节中，我们将使用更复杂的数据集，并了解增加潜空间的维度时，变分自编码器的图像生成效果。

1. 数据集分析

接下来，我们将使用 CelebFaces Attributes (CelebA) 数据集训练一个新的变分自编码器 (Variational Autoencoder, VAE)。CelebA 数据集包含了 200,000 多张人脸部彩色图像，每张图像都标注了各种标签(例如戴帽子、微笑等)：

当然，训练 VAE 时并不需要这些标签，但当我们探索如何在多维潜空间中捕获这些特征时，这些标签将会派上用场。VAE 训练完成后，我们就可以从潜空间中采样，生成新的面部图像。
CelebA 数据集可以在