python评语生成_如何评价生成模型框架 ZhuSuan?

抛砖引玉：

整个平台是清华大学副教授朱军的学生们主导的，有国家经费的支持，个人觉得是一个很有意义的项目。先搬砖翻译项目介绍：珠算(ZhuSuan)是一个构建于 TensorFlow 之上的用于生成模型(Generative Model)的 Python 库。和现有的主要为监督式任务设计的深度学习库不同，珠算的特点是其在很大程度上根基于贝叶斯推理(Bayesian Inference)，因此支持各种生成模型：既包括传统的分层贝叶斯模型，也有最近的深度生成模型。

要理解这个项目 有几个背景知识：

1、TensorFlow是一个比较流行的深度学习开发平台，在Python下有大量现成的代码基础，所以可以看到zhusuan的项目开发实际上大部分是复用的TensorFlow的类，包括分布类型，网络结构定义等等。这样同时也获得了GPU的计算能力

2、“珠算”的核心目的是做贝叶斯深度学习，这里要区别于常见的CNN神经网络。CNN通过深层的网络结构去拟合的往往是分类标注的函数模型，其中没有用到任何的分布假设，所以要很大量的数据去训练一个简单的图片标注。而贝叶斯擅长的基于各种分布假设的统计推断，可以从一个输入分布推断到另一个输出分布，因为有比较强的分布假设，所以在小规模样本的训练效果上非常好。

3、现在的深度学习框架里，VAE和GAN这类生成模型就是类似思路的产物，引用我今年北京R会上面的分享(我觉得我讲的DCGAN比朱老师讲的TripleGAN更清晰易懂，而且我们还带W的)：

特征分布 Z空间，样本分布X空间，统计专业的同学可以把这个转换理解为分布的重采样ÿ