深度学习基础（九）GAN生成对抗网络

参考文章：
自动编码器：各种各样的自动编码器
变分自动编码器
InfoGAN：一种无监督生成方法

自动编码器

自动编码器最开始是作为一种数据压缩方法，同时还可以在卷积网络中进行逐层预训练，但是随后更多结构复杂的网络，比如 resnet 的出现使得我们能够训练任意深度的网络，自动编码器就不再使用在这个方面，下面我们讲一讲自动编码器的一个新的应用，这是随着生成对抗模型而出现的，就是使用自动编码器生成数据。

由上面的图片，我们能够看到，第一部分是编码器(encoder)，第二部分是解码器(decoder)，编码器和解码器都可以是任意的模型，通常我们可以使用神经网络作为我们的编码器和解码器，输入的数据经过神经网络降维到一个编码，然后又通过另外一个神经网络解码得到一个与原始数据一模一样的生成数据，通过比较原始数据和生成数据，希望他们尽可能接近，所以最小化他们之间的差异来训练网络中编码器和解码器的参数。

变分自编码器

自编码器是一种数据压缩方式，它把一个数据点$x$有损编码为低维的隐向量$z$，通过z可以解码重构回$x$。这是一个确定性过程，我们实际无法拿它来生成任意数据，因为我们要想得到$z$，就必须先用