? ? ? ? 直接看paper看得云里霧里，李沐視頻一語道破天機(jī)（建議從30min左右開始看GAN到Diffusion的串講）。VAE的核心思路就是下面：

? ? ? ? 做生成，其實就是從隨機(jī)向量（z）到目標(biāo)圖像（x）的過程，那么z就是先驗，x就是后驗。

? ? ? ? 一些博客講的也挺好的：

VAE的原理和代碼實現(xiàn)_vae代碼_Zero_to_zero1234的博客-CSDN博客

1、目的

? ? ? ? perform efficient inference and learning in directed probabilistic models（有向概率模型，也就是我們的DL網(wǎng)絡(luò)）, in the presence of continuous latent variables（連續(xù)隱變量z） with intractable prosterior distributions（輸出x'）

2、貢獻(xiàn)

? ? ? ? 重參數(shù)（reparameterization） + 極大似然法（maximum likelihood / maximum a posteriori）?+ 可導(dǎo)變分下界（differentiable variational lower bound，是下界的無偏估計），使得問題可以使用SGD求解

3、方法

? ? ? ? 1）基本假設(shè)

????????從先驗分布中采樣，從條件概率分布中采樣，且兩個分布的概率密度函數(shù)對任意和z都是可微的。

? ? ? ? 2）網(wǎng)絡(luò)結(jié)構(gòu)

????????encoder是，decoder是

? ? ? ? 3）優(yōu)化目標(biāo)

? ? ? ? 極大似然法，使得網(wǎng)絡(luò)參數(shù)下收集的數(shù)據(jù)集的概率最大，即最大化

????????????????????????

? ? ? ? 而該式可以被寫為

????????????????????????

? ? ? ? 由于KL散度>=0，因此有

?????????????????????????

? ? ? ? 則就是變分下限

?????????????????????????

? ? ? ? 則我們需要做的就是對這個變分下限進(jìn)行優(yōu)化，從而需要求解相對于變分參數(shù)和生成參數(shù)的微分

????????4）算法流程

? ? ? ? 5）重參化技巧

????????? ? ? ??

? ? ? ? ? ? ? ? 但這樣的話，先驗z缺少可優(yōu)化參數(shù)。因此改寫為下面的形式：

????????????????

????????????????

? ? ? ? ? ? ? ? 其中和可以用MLP預(yù)測

4、公式推導(dǎo)

? ? ? ? 可以參考：

快速推導(dǎo) VAE 變分自編碼器，多種寫法，和重要細(xì)節(jié) Variational Autoencoder - 知乎