Introduction

本小节主要介绍的是变分自编码器（Variational AutoEncoder），VAE在之前的变分推断中就有介绍，具体在“随机梯度变分推断（SGVI）”中已进行描述。其中采用了重参数化技巧，也就是Amortized Inference。VAE在很多blog中都有详细的解释，这里只是很简单的描述其思想，希望可以抛转引玉。

VAE中的V指的是变分推断，这个概念是来自于概率图模型。而AE的概念是来自于神经网络。所以，VAE实际上是神经网络和概率图的结合模型。

从GMM到VAE

VAE是一个Latent Variable Model（LVM）。我们之前介绍的最简单的LVM是高斯混合模型（GMM），那么GMM是如何一步一步演变成VAE的呢？GMM是k个高斯分布（Gaussian Dist）的混合，而VAE的思想是无限个Gaussian Dist的混合。在GMM中， Categorical Distribution，如下表所示，

并且，其中，在给定的情况下，满足。很容易可以感觉到，这个GMM顶多就用来做一做聚类分布，复杂的任务根本做不了。比如，目标检测，GMM肯定就做不了，因为只是离散的类别，它太简单了。下面举一个例子，假设是人民群众，我们想把他们分成工人，农民和反动派。由于，是一个一维的变量，那么我们获得的特征就很有限，所以分类就很简单。

那么，怎样才可以增加的特征信息呢？因为是离散的一维的隐变量，那么把它扩展成离散的高维的随机变量，不就行了。那么，变化就来了，大家看好了。GMM中是离散的一维变量，那么在VAE被扩展为维的高斯分布。而在给定的条件下，。这里采用神经网络来逼近均值和方差，而不通过重参数化技巧这些直接去算（太麻烦了）。那么均值和方差是一个以为自变量，为参数的函数。那么，假设条件可以总结为：

其中是一个先验分布假设，服从怎样的先验分布都没有关系，只要是高维的连续的就行了，只是在这里假设为Gaussian。我们关心的不是先验，我们实际上关心的是后验，实际上只是帮助我们建模的。那么，接下来可以做一系列的推导：

推导到了这里有个什么问题呢？因为是一个高维的变量，所以是intractable，积分根本算不出来。由于，是intractable，直接导致也算不出来。因为根据Bayesian公式，

实际上这里就是贝叶斯推断中一个很常见的现象，即为归一化因子计算困难。

本小节主要从建模的角度介绍了VAE，实际上这就是一个Latent Variable Model。而GMM是个离散的高斯分布的组合，由于隐变量是一维的离散变量，所以表达能力有限。为了增加其泛化能力，将其扩展为高维连续的变量。又因为其维度过高，导致通常情况下，后验分布基本是intractable。所以，下一小节将介绍如何求解此类问题。

VAE的推断和学习

上一小节中简要的描述了VAE的模型表示，下图则是VAE的模型图。

假设这些都已经求出来了。如果要生成一个样本，怎么生成呢？我们先从中进行采样得到一个。那么，进行采样即可。所以，这下大家可以深刻的理解，为什么我们关注的是后验了。而是什么？我们用一个神经网络取逼近它就行了。\textbf{注意：本文中将其假设为高斯分布，并不是必要的，这个都是我们自定义的，是不是高斯分布都没有关系。}由于是intractable的，所以自然的想到可以用一个简单分布去逼近它：，即为：

前面已经讲过很多遍了，通常方法可以将做如下分解：

然后采用EM算法求解，EM算法是一种基于时间的迭代算法，之前已经做了详细的解释，大家可以自行查阅，

E-step为：当时，KL=0，此时expectation就是ELBO。

M-step为：

但是，肯定EM算法是用不了的，原因很简单这一步根本就做不到，求不出来的。我们的求解目标是使和靠的越近越好。那么可以表达为：

然后，关于和求梯度，采用梯度上升法来求解最优参数。可能大家会看到很多的叫法，SGVI，SGVB，SVI，Amortized Inference，实际上都是一样的，都是结合概率图模型和神经网络，使用重参数化技巧来近似后验分布，至于梯度怎么求，在“变分推断”中详细的介绍了SGVI方法的梯度计算方法。而怎样从分布中进行采样呢？用到的是重参数化技巧。

其中，是噪声，通常假定为；而且，，而很容易可以得到，。那么到这里就基本思想就讲完了，想了解更多的东西，建议看看苏建林的blog：\url{https://spaces.ac.cn/}。

实际上大家会发现，所谓的VAE不过是“新瓶装旧酒”。只不过是用之前的技术对当前的概念进行了包装而已。大家可以关注一下这两项，和。这个的过程可以被称为Decode，而被称为Encode。我们可以看到，在训练过程中，首先是从中采样得到：，然后利用生成出样本，即为。这样就形成了一个环，从开始到结束。注意：训练时，由生成,而生成样本时，是从简单的高斯分布中采样得到的。

而就是一个正则化项，对有一个约束，希望其尽量靠近标准高斯分布。不让模型坍缩到一个点上，如果没有这一项，只是去学习就很有可能会过拟合。第一项应该是真正的objective function，而第二项是一个regularization。实际上第二项扮演的功能和熵正则化项是一样的，都是使分布尽可能均匀，从而保留更多的可能性，因为熵就是信息量的表现，熵越大可能性越大。

以上就是对公式（6）中结果的详细解释。

小结

本节只是对VAE的简单描述，更深层次的思想可以参考苏建林的blog。本节主要介绍了VAE的模型表示和推断学习过程。有关变分推断的部分，请大家自行阅读“变分推断”中的SGVI方法和“近似推断”那一小节，其中都做了详细的描述。我觉得本章的可读点在，1.从GMM模型中引出了VAE，VAE不过是GMM的进阶版。2.进阶以后发现维度太高，后验分布计算不出来，于是采用简单分布来近似，这就变分法的思想。3.详细的介绍了优化ELBO中每一项的意思，这里是正则化项，相信很多同学在看VAE中，描述令表示层服从高斯分布的时候都是一脸懵逼的吧。4.本文中还复习了用神经网络，代替分布进行采样的重参数化技巧。

其实VAE不过是“新瓶装旧酒”，本身并没有什么技术的革新，用到的算法和思想都是比较老的。