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)?
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。