深度学习-变分自编码器（VAE）生成MNIST手写数字图片

MNIST数据集：数据集下载

下载好数据集新建MNIST文件夹，再在里边建一个raw文件夹，数据集解压后放到raw文件夹中（数据集后缀为.gz，不需要再解压了）

简介：

变分自编码器（Variational Autoencoder,VAE）是生成式模型（Ggenerative Model）的一种，另一种常见的生成式模型是生成式对抗网络（Generative Adversial Network，GAN）

原理：

以MNIST为例，再看过几千张手写数字图片之后，能够进行模仿，并生成一些类似的图片，这些图片在原始数据中并不存在，有一些变化但是看起来很相似，也就是说，需要学会原始数据X的分布，这样根据数据的分布就能轻松地产生新样本。

                                                                                         P(x)------数据分布

 

但是数据分布地估计不是件容易地事，尤其是当数据量不足的时候，因此可以使用一个隐变量z，由z经过一个复杂的映射得到x，并且假设z服从高斯分布（正态分布）。

                                                                                              x=f(z;θ)

因此只需要学习隐变量所服从高斯分布的参数（高斯分布的均值和方差），以及映射函数，即可得到原始数据的分布。为了学习隐变量所服从高斯分布的参数，需要得到z足够多的样本，然而z的样本并不能直接获得，因此还需要一个映射函数（条件概率分布），从已有的x样本中得到对应的z样本。

                                                                                             z=Q（x）