生成模型之flow-based model

        本来想在上一篇博客Blow后面写的，因为他属于是flow-based model，但是我不知道在哪里修改上一篇博客·····

        目前主流的生成模型有三大类（我只用过后两类方法···）

         首先是component by component 生成是序列的，不确定生成的顺序以及比较好使，VAE的训练目标只是优化lower bound，我们并不清楚lower bound与我们优化目标之间的差距到底有多少（下一节会介绍VAE），GAN的训练又很不稳定。所以李宏毅老师介绍了Flow-based model，其是一次生成整个图片，不慢，并且优化目标就是极大似然估计而不是下界，并且训练比较容易。

        对于生成任务，如下图所示，z是输入，假设是从一个标准分布中采样的到的，其经过G生成x，我们希望x是服从真实样本的分布（可能很不规则，很复杂），那么生成任务的优化目标是：