李宏毅机器学习_11-0深度生成模型（上下)

把图片拆成一个个像素，一个一个像素的生成

VAE就是引入噪音的，auto encoding,还引入了均值和方差的限制

通过引入噪音，让输出能分布在一定的范围

参数之间互相决定，x>z和z>x


缺点只能基于原来的，跟原始的越像越好，不能产生新的

无监督，就是本身的分布让似然函数最大就好，假设当前数据服从某种分布，假如是正态分布，就变成了找正态分布的均值和方差让当前似然函数最大。

KL散度的概念，描述的就是距离。

GAN，第一步随机产生输出训练分辨模型，固定生成模型，是一个二分类的训练
第二步，把整个网络当做一个大网络来训练，但是固定分辨模型的部分值更新生成模型的参数，来训练生成模型。
这样能避免生成模型看到真实的数据，这样就能产生新的东西，和VAE的差别就在这，VAE只能产生和现有的非常像的东西，不能产生真实的东西。