变分自编码器（VAE）

---

前言

关于VAE的文章网上也有不少，解释的最好最清楚的还是苏剑林老师的这篇文章文章链接，如果你对这篇文章存在一定质疑，说明你对VAE还不够了解，基础知识还有欠缺。本文是在苏剑林老师这篇文章的基础上，结合我自己的理解，用最简单的话来解释VAE，所以会有不严谨的地方。文中有不对的地方，欢迎大家批评讨论。

---

在介绍VAE时，首先是三联问：我们有什么？我们想得到什么？我们怎么去得到？

一、我们有什么？

在考虑用VAE时，我们首先考虑我们有什么？或者说有什么是已知的？
其实，我们只有样本X={x1,x2,x3,…xN},N代表样本个数。
有些人可能会说，我们还知道先验p(Z)是标准正态分布呢，事实上先验是我们为了更好的到达目的做的一个假设，这个目的就是第二步我们想得到什么。

二、我们想得到什么？

有了第一步的样本X，那么我们想得到什么呢？
我们想知道样本X的分布,假如说我知道了X满足某种分布，那就太好了，我就可以直接从这个分布中采样，得到所有符合分布的样本（X中已知和未知的样本），这属于我们的终极目标，或者说是梦想了。
显而易见，这太难了。不信的同学可以自己思考一下，我给你几个样本，你如何去知道这些样本是满足什么分布呢？

三、我们怎么去得到？

明确了目标，并且知道根据现有的样本得到样本分布是非常困难的，那么接下来就是如何达到目标了。
既然无法直接得到样本的分布，那么我们做一个转换：
我们假设样本x是由一个隐变量z去生成的，此时样本X的分布p(X)可以表示为先从隐变量的分布中采样一个生成样本x的隐变量z，然后根据隐变量z去生成样本x。用公式可以表示为：

接下来就可以直接看苏老师的那篇文章。感觉大家看完苏老师的文章，也就明白了VAE。
大家可以在评论区提问，我会把问题整理到第四部分，进行解答。

四、可能遇到的问题？