【DL笔记】变分自编码器VAE详解

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和算法推导以及代码实现，之前有介绍过AE（AutoEncoder）的详解和算法实现，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