深度生成模型

前言

有监督学习（也叫深度判别模型）逐渐摘取完了深度学习这棵大树的低层果实，摘取更高层的果实就要通过深度生成模型（无监督学习）。在这里主要介绍一些主流的深度生成模型。

1.深度置信网络

关于这块内容请参考RBM和深度置信网络。

2.深度波尔兹曼机

和受限玻尔兹曼机不同，波尔兹曼机的每层的元素不仅仅和相邻层存在联系，同层中的每个元素同样也有联系。关于这方面内容请参考深度波尔兹曼机。

3.生成对抗网络

每次提到生成对抗网络，心里不由得兴奋起来，这是一个非常了不起的领域，也代表深度生成模型的最高成就。生成对抗网络衍生了许多版本，这个家族发展至今，已经非常庞大了，下面来逐一列举生成对抗网络家族成员。

3.1 GAN

GAN最早是由Ian Goodfellow提出，他算是开山鼻祖了，一个从医学专业跳到DL领域的大牛。不过GAN还是存在着许多问题，比如不能控制随机生成图像的种类，可能这是最早提出的概念吧！关于这块内容请参考GAN生成对抗网络。

3.2 CGAN

不同于GAN，CGAN添加了生成条件。具体CGAN。

3.3 DCGAN

上述两个变体都是应用在离散数据上，那末对结构数据呢？这时就出现了DCGAN，具体请深度卷积对抗生成网络。

3.4 CycleGAN

如何从一副图像生成另一副不同内容不同模式下的图像？上面几种GAN都需要配对图像来进行训练，CycleGAN成功应用到非配对图像数据上。具体内容请CycleGAN。

3.5 StackGAN

上述几种网络解决了从数据到图像的生成，那末有没有可以从文字描述生成图像的网络呢？比如通过文字 “ 一只黄鹂鸣翠柳 ” 来生成一只黄鹂在柳树上唱歌的图像。答案是有的，那就是StackGAN，作者为深圳大学的一个大牛。具体内容StackGAN。

4.变分自编码器

又是深度生成模型里的一个杰作，具体内容VAE变分自编码器。