原书出处
深度学习
20 第20章 深度生成模型
以获得相对于 θ 的梯度。学习则仅包括相对于编码器和解码器的参数最大化 。 中的所有期望都可以通过蒙特卡罗采样来近似。
变分自编码器方法是优雅的,理论上令人愉快的,并且易于实现。它也获得了出色的结果,是生成式建模中的最先进方法之一。它的主要缺点是从在图像上训练的变分自编码器中采样的样本往往有些模糊。
这种现象的原因尚不清楚。一种可能性是,模糊性是最大似然的固有效应,因为我们需要最小化 。如图3.6所示,这意味着模型将为
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/深度学习/_epub-src/text/part0007.html
EPUB SHA-256:30b05f447b47f121324499dd200696e34be257d5cd4c4b753541b42f40a94639