【DL笔记】变分自编码器VAE详解

版权声明:本文为博主原创文章,遵循 CC 4.0 by-sa 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/roguesir/article/details/77480923

前言

作为一个坚守9年的V迷,谈VAE还是很兴奋的,虽然这次谈的是Variational AutoEncoder(变分自编码)。这几年,深度学习中的无监督学习越来越受到关注,其中以GAN和VAE最受欢迎,关于GAN,有三篇文章介绍论文翻译算法推导以及代码实现,之前有介绍过AE(AutoEncoder)的详解算法实现,本文介绍VAE。

VAE介绍

变分自编码是一个使用学好的近似推断的有向模型,可以纯粹地使用基于梯度的方法进行训练。

VAE原理

AutoEncoder的基本原理是通过encode和decode实现,与PCA类似,在卷积的AutoEncoder中,encode通过卷积池化进行降维,decode通过反卷积反池化进行升维,目标是使输入和输出图片的差异性最小,听不懂点这里

Minimize likelihood

展开阅读全文

没有更多推荐了,返回首页