machine-learning - NN 如何被视为 VAE 解码器部分中的 p(x|z)？

Question

因此，您可以将随机输入 (z) 提供给神经网络并使输出随机，但这只是 f(p(z))，其中 f(.) 是确定性神经网络，因此它将充当转换为更复杂的分布。

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，这并没有发生，VAE 的解码器正在生成图像 (x)，而且它不是随机的!因此，对于给定的 z，它将始终产生相同的 x。

为什么他们在 VAE 的推导中将其视为 P(x|z)？

Answer 1

好吧，尽管 VAE 的解码器部分不是随机的，但它仍然会产生分布(尽管是退化分布)。

您输入 z(特定代码)，然后得到 x(特定图像)。那么它认为——对于每个与 ​​z 不同的 z'，p(x|z) = 1 并且 p(x|z') = 0。

这仍然是一个合法的发行版。我们在 VAE 中所做的部分工作就是尝试学习该分布的正确参数。