摘要:
4 . VAE的计算 我们先来整理 VAE 接收到一张图片后,究竟做了什么。 假设我们有一张 \(2\times2\) 的灰度图像。这张图片可以表示成一个向量:\(x=[0,1,1,0]\) 。所以,\(x\) 就是输入图像对应的数值数据。 我们设计了一个非常简单的规定潜变量分布采用高斯分布的 En 阅读全文
posted @ 2026-11-09 13:51
理塘小马守护者丁真
阅读(4)
评论(0)
推荐(0)
摘要:
3 . VAE 的出现 假设我们想训练一个模型,让它生成猫的图片。 首先定义两个随机变量: \(Z\):潜变量,可以理解为控制图像内容的一组隐藏数字。 \(X\):生成的图像。 潜变量 \(Z\) 通过神经网络 Decoder 得到用于生成图像的条件概率分布,生成图像 \(X\)。 你可能在想:既然 阅读全文
posted @ 2026-11-09 13:49
理塘小马守护者丁真
阅读(3)
评论(0)
推荐(0)
摘要:
我写这个是因为我自己在进行模型搭建的过程中,意识到自己对于扩散模型和VAE的认识是远远不够的。于是在网络上进行了对别人产出内容的消化,并且将自己的思考记下。 1 . 概率学入门 随机变量\(X\) : 本质上是一个函数,将每个结果映射为实数的函数。比如设随机变量 \(X\) 为扔硬币2次出现正面的次 阅读全文
posted @ 2026-11-09 13:47
理塘小马守护者丁真
阅读(7)
评论(0)
推荐(0)

浙公网安备 33010602011771号