在VAE的解码器部分,如何将NN视为p(x | z)?

时间:2019-04-24 03:12:30

标签: machine-learning deep-learning

因此,您可以将随机输入(z)馈送到NN并使输出随机,但这只是f(p(z)),其中f(。)是确定性NN,因此将充当转变为更复杂的发行版。

引入随机性的另一种方法是将NN输出视为特定分布的参数,因此NN为P(x | z)。但是,这没有发生,VAE的解码器正在生成图像(x),并且它不是随机的!因此,对于给定的z,它将始终产生相同的x。

为什么在VAE的推导中将其视为P(x | z)?

1 个答案:

答案 0 :(得分:1)

好吧,即使VAE的解码器部分不是随机的,它仍然会引起分布(尽管是退化的)。

您输入z(特定代码),然后得到x(特定图像)。然后,它认为- p(x | z)= 1,并且每个与z不同的z'p(x | z')= 0。

这仍然是合法发行。我们在VAE中所做的部分工作是尝试学习此分布的正确参数。