我一直在阅读原始的 VAE 论文Auto-Encoding Variational Bayes。在 VAE 中，在生成样本时，为什么我们从先验样本而不是学习的变分后验样本（论文中的图 5）？同样，在可视化学习数据流形时，为什么我们采用先验的逆 CDF（多元单位高斯）而不是变分后验（图 4）？
来自先验与后验的变分自动编码器 (VAE) 采样
机器算法验证
神经网络
变分贝叶斯
2022-03-28 03:18:45
1个回答
以下是我对 VAE 的理解：
- 后验指的是 p(z|x)，它由一个学习的 q(z|x) 近似，其中 z 是潜在变量，x 是输入。
- 先验是指 p(z)。通常，p(z) 用学习的 q(z) 或简单的 N(0, 1) 来近似。
后验解释了给定输入的潜在变量的可能性，而先验简单地表示了潜变量在没有任何条件的情况下是如何分布的（在 CVAE 中，这里也添加了条件）。
因此，在训练中，我们想要学习一个很好的后验近似（证据）来解释输入，但在测试中，我们想要生成遵循先验分布的随机样本（除非你想以某种方式调节它们）。
其它你可能感兴趣的问题