白话Variational Autoencoder(变分自编码器)

本文以简洁的语言介绍了Variational Autoencoder(VAE),它与传统自编码器的区别在于使用概率分布表示潜在特征。通过示例和图表解释了VAE的工作原理,包括使用概率分布近似条件概率p(z|x)的过程,以及在训练中采用的重参数化技巧,以允许反向传播。文章还包括了相关统计知识和参考资料。
摘要由CSDN通过智能技术生成

本文将简单介绍一下Variational Autoencoder。作者也在学习当中,如有不正确的地方,请大家指正,谢谢~

原始的autoencoder一般分为两个部分encoder part和decoder part。 encoder是将input转化为encoding vector,之后通过decoder network重新构造input。


图1 origanal autoencoder (from wikipedia)

VAE(变分自编码器) 与原始autoencoder不同的是,在encoder部分通过用概率分布来表示每一个潜在的特征。

举个例子:


图2 (from reference)

上面的图中,在经过encoder部分后,我们用一个具体的数来表述每一个潜在的特征,比如smile的值是0.99。但是有些时候,我们希望用一个区间来表示所有可能的潜在特征值,这就有了下图的表示,通过用一个概率分布函数来表示潜在的特征。当我们通过潜在状态decoding时,我们首先对每个概率分布生成随机样本,之后再重新构造input。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值