【周末AI课堂】理解变分自编码器 | 机器学习你会遇到的“坑”( 六 )_全文共1670字

在前面的《简单的自编码器》中曾经说过，自编码器包含了两部分，一部分叫做编码过程，它接收数据，得到一个低维表示（稀疏表示），用来做去噪和降维；另一部分叫做解码，接受一个向量，用来做生成数据。

如图，自编码器在训练完成后，就可以拆做独立的两部分，投入到不同的任务中去使用。

但是，我们在使用Decoder去生成图片时，并不清楚对输入有着怎样的限制，效果往往会糟糕，我们如果随便输入一个向量，就可以生成我们想要的图片，这在普通的Autoencoder中是不可能的。同时，我们想在生成式模型中使得输入向量与输出结果存在一定的关系，比如说，向量生成了一片树叶，向量生成了三片树叶，介于向量之间的向量可以生成两片树叶，这也是在以前的模型中无法做到的。

解决该问题的一个思路是，是将大的噪声添加到编码过程中，使得生成图片的向量Z具有一定的分布，一片树叶的原本对应着一个向量