Autoencoder学习手册（三）变分编码器（VAE）

变分自动编码器（Variational Autoencoder）

变分编码器是自动编码器的升级版本，其结构跟自动编码器是类似的，也由编码器和解码器构成。与一般的自动编码器最大的不同就是在编码过程给它增加一些限制，迫使其生成的隐含向量能够粗略的遵循一个标准正态分布。从而解决我们没有办法自己去构造隐藏向量，任意生成图片的缺点。

下面是训练VAE模型的代码：

x = Input(batch_shape=(batch_size, original_dim))
#全连接层h，nodes个数为intermediate_dim，激活函数为relu
h = Dense(intermediate_dim, activation='relu')(x)
#z_mean = 连接h的全链接层，nodes个数为latent_dim
z_mean = Dense(latent_dim)(h)
#z_log_sigma = 连接h的全链接层，nodes个数为latent_dim
z_log_sigma = Dense(latent_dim)(h)

#sample
def sampling(args):
    z_mean, z_log_sigma = args
    #生成随机正态分布epsilon
    epsilon = K.random_normal(shape=