知识卡片
VAE通过先验正则化潜在分布
变分自编码器令编码器估计近似后验 q(z|x),使用 z=μ(x)+σ(x)⊙ε、ε∼N(0,I) 从中采样,使梯度可通过 μ 和 σ 传播。常见目标结合重建项与 KL(q(z|x)‖p(z)),后者鼓励近似后验接近选定先验;书中将 KL 解释成编码器与解码器之间的差异并不正确。训练只鼓励而不保证类别分离、平滑插值或每个随机样本都有效。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 自编码器 · 查看原书依据
这一技巧称为再参数化
参考来源
- 位置:《深度学习:从基础到实践(上下册)》第25章《自编码器》25.9(来源项目 `extracted/深度学习:从基础到实践(上下册)/_epub-src/text/part0033_split_009.html`)
- 结论依据:这一技巧称为再参数化。
- 原始内容:这一技巧称为再参数化。 这个技巧是值得学习的。在阅读关于VAE(这里面还会涉及很多数学技巧,但我们不会深入地讲解)的文章时,这一技巧会经常出现。