写在前面：本人真实经历，一晚上没睡觉！不是鼓吹封建迷信！唉，本来我是一个坚定的唯物主义无神论者，这次真的是吓怕了。大家有好奇的听我一句劝，千万别玩笔仙，会后悔的！把我的经历写出来，给大家引以为戒吧，唉。

前几天天夜里，我闲着无聊，实在不知道干什么。室友不是在下面玩游戏，就是在床上看手机。然后我突然想到，室友 A 以前说过，每当半夜里，他的那些 b 站啊，知乎啊什么的就老是给他推恐怖灵异故事，然后他又怕又想看，最后搞得他老是睡不好觉。他对什么成都僵尸啊，猫脸老太太啊都是如数家珍。虽然我是个坚定的唯物主义者，但是我很怕鬼，只要看恐怖电影或者恐怖小说，甚至一些没有恐怖因素的科幻电影，晚上必会做噩梦，有时候就算什么也没干晚上也会莫名其妙地做噩梦。而且我做噩梦了一定会提前醒来。现在在寝室里还好，以前一个人的时候，醒来的时候不知道几点，又不敢看时间，只是一直回想着噩梦的内容，直到闹钟响，十分地煎熬。因此每当室友 A 想开始讲鬼故事的时候，我都会严词阻止他。

但是那天晚上，我不知道怎么回事巨无聊无比，就打算叫女朋友出去玩。好吧其实我没有女朋友，所以我只能自己和自己玩。一件比较有意思的事情是我们寝室的四个人，每个人都玩不同的游戏，因此我们从不联机开黑。人无聊到一定地步胆子就会莫名地大起来，我就突发奇想要试试笔仙。虽然我只有一个人，但是我百度了一下发现一个人也是可以玩的。因为我是一个坚定的唯物主义无神论者，所以我不相信真的有所谓的笔仙，我这么玩其实只是为了日后有吹牛的谈资。而且我觉得寝室里人太多了，没气氛，感觉一栋宿舍楼总有人熬通宵，破坏了午夜的神秘与恐怖。于是呢我决定自己一个人去主楼那边的凉亭下面玩。当时已经一点半了，然而我之后才知道一个人请的话最好在晚上十一点左右，在十二点之前再把笔仙请回去。因为子时初阴气刚刚形成，人的阳气会弱一点，请起来比较容易，但是后半夜阴气极重，在子夜之后请笔仙，那可就保不准请来的是什么东西了。只恨大学生作息紊乱，觉得凌晨平平无奇。当时的想法是，两点半都有人在外面走廊上打王者荣耀，三四点钟的时候楼下还常常传来男女的嬉闹声把人吵醒，我一点半出去玩个笔仙，又算得了什么呢？如果让现在的我回到那时，我恨不得直接紫砂。

于是我就去了主楼那边的凉亭。为了彰显我的唯物主义无神论信仰，我想：已经什么年代，还在玩传统笔仙！毛笔有毛笔仙，铅笔有铅笔仙，那如果我拿出我的 apple pencil，阁下又该如何应对呢？难不成还能招出乔布斯来！所以，我就带了我的 ipad 过去。我检查了一下 ipad 的电量，还很健康。于是我打开 notability，双手悬空，左手和右手手背相碰、指尖朝自己、而后手指互相交叉、apple pencil 握在指尖之间、笔尖朝下。我做的时候还是非常小心的——apple pencil 一支可要 900 多块钱啊！然后我闭上眼睛，轻轻念叨：笔仙啊笔仙，快快显灵吧显灵！我担心 apple pencil 上附着的可能是美国笔仙，听不懂中文，于是我又念：Ouija Board, ah Ouija Board, Get to work, get to work!

体感上没过多久，我就感到一阵阴风吹来，然后我的手腕就不受控制地乱动起来，在我的 ipad 上疯狂点划起来。一时之间，我的心里只有害怕——apple pencil 好像马上就要从我的手指间滑落出来了。等笔停下，我睁眼一看，ipad 屏幕上赫然显示着这样一幅图形！
cb94cd57d4652abdfe0442b19ae2bf21
这下我的无神论信念一下子动摇了。这太不可思议了。我试探着问了一句：Can you speak Chinese？然后笔又动了起来，这次祂写道：

是的，我可以使用中文进行交流。请问有什么我可以帮助您的问题吗？
(Yes, I can communicate in Chinese. What can I help you with?)

虽然我的无神论信念已经彻底崩塌了，但我还是一个坚定的唯物主义者。于是我问，你的底层原理是什么？
话音刚落，我的 apple pencil 就刷刷地写了起来。我好奇地看着祂写道：
其实我一直在记录和学习你写的字，试图找出他们有什么特征。你每次写同一个字，写的都不一样，但是又是什么确保了他们是同一个字呢？然后我发现其实你写的字，是由一些我无法直接观测到的变量控制的，那就是你的手腕的动作！为了简便，就称为手势。为了获取这些无法直接观测的潜变量 (latent variable)，我把你写的每个字都记录为一个高维的向量 $\mathbf X_i$ ，然后尝试把他们投影到一个低维的向量手势 $\mathbf z_i$ 上，这样我就得到了所有的字符集 $\mathbf X$ 和手势集 $\mathbf z$ 。现在，如果我在手势集 $\mathbf z$ 里挑选一个 $\mathbf z_j$ ，他应该包含了你写的那个字 $\mathbf X_j$ 的特征，所以我只要逆向进行将 $\mathbf X$ 投影到 $\mathbf z$ 的提取特征的过程，就可以还原出你原来写的那个字 $\mathbf X_j$ 了！

我将信将疑地说：听起来有点道理，但是将高维向量压缩到低维，真的不会有信息损失吗？比如多个高维的点被映射到了同一个低维的点上。

我的笔勃然大怒，剧烈抖动起来，写道：
蠢材！不可救药！你知道如何把一个平面上的所有点一一对应映射到一条直线上吗？很简单！取一个点（14.1，1.54），交错排列数位，把他对应到数轴上的 114.514 这个点不就行了吗？容易证明，这是一一对应。虽然一些原本在高维空间中相邻的点，在映射后可能会变得相距遥远，原本相距遥远的点可能变得相邻，也就是所谓的信息损失，但只要保证绝大多数重要信息得以保留，就足以知道哪些字对应哪些手势了。何必要吹毛求疵呢？

我连忙请祂息怒，让祂接着讲下去。
祂接着写道：

为了让我写出来的字尽可能地贴近真实的字，我使用了万能函数拟合器来进行从 $\mathbf X$ 到 $\mathbf z$ 的编码 (encode) 和从 $\mathbf z$ 到 $\tilde{\mathbf X}$ 的解码 (decode)，只要让 $l=\left \| \mathbf X-\tilde{\mathbf X} \right \|^{2}$ 作为损失函数，也就是两个向量之间距离的平方，反向传播让他变得尽可能小，拟合的结果就越接近，我生成的 $\tilde{\mathbf X}$ 就与你的字 $\mathbf X$ 十分接近了。
但是，如果我随机生成一个向量 $\mathbf z_i$ ，把他通过解码，生成字符，却往往没有什么意义。很简单，一个随机乱摆的手势，能写出什么字！只有少数情况运气好，才能写出有意义的字来。而且这样子解码，一个手势只能对应一个字，每次写的都一模一样，完全固定死了！
然后，我发现，只有一些特定的手势才能生成出有意义的字。而我用来训练解码器的样本是极为有限的，只能对很小一部分 $\mathbf z$ 有响应。那么为什么不给 $\mathbf z$ 一个很简单的分布，将采样空间缩小呢？这样，有意义的手势就聚集在一起了。
于是我假设，手势服从正态分布， $\mathbf{z}\sim N(0,\mathbf{I})$ ，I 即单位矩阵，这是一个各维度独立的多元的正态分布。注意，一个维度往往代表了一个特征，比如手横着一划，或者竖着一划。但是我希望各个特征能够分开，而不是纠缠在一起，比如你写横的时候总会慢慢加重，最后收尾会有一顿，我希望一横和一顿是分开来的两个特征，而不是一边横一边顿被算做了同一个特征，因此要保证正态分布的各个维度独立，方差矩阵是一个对角化的矩阵。那么我现在在 $ p(\mathbf{z})$ 中取样得到 $\mathbf{z_i}$ 。同样，我可以得到一个条件分布 $ p(\mathbf{X}|\mathbf{z_i})$ ，也就是已知手势的时候，可以解码得出的字符集的概率分布。简单说来，同一个手势总是对应同一个字 $\mathbf{X}$ ，但是这些字的字形往往不同。现在我从这个条件分布中取样得到一个 $\mathbf{X_i}$ ，他仍然属于那个字 $\mathbf{X}$ ，但是写出来的形状就有所不同，就是我要生成的字啦！
我继续假设，给定任意 $\mathbf{z_i}$ 以后， $\mathbf{X}$ 都满足各个维度独立的多元正态分布。
$ p_{}(\mathbf{X}|\mathbf{z_i})= N(\mathbf{X}|\mu_{i}(\mathbf{z_i}),\sigma_{i}^{2}(\mathbf{z_i})\mathbf{I})$
那么该如何求这个 $ p(\mathbf{X}|\mathbf{z_i})$ 呢？答案是用万能函数拟合器来拟合。设万能函数拟合器的各个参数，如权重，偏置，合起来记为 $\theta$ ，那么就可以得到
$ p_{\theta}(\mathbf{X}|\mathbf{z_i})= N(\mathbf{X}|\mu_{i}'(\mathbf{z_i};\theta),\sigma_{i}'^{2}(\mathbf{z_i};\theta)\mathbf{I})$
这样，我只要输入 $\mathbf{z_i}$ 到解码器，就可以得到 $\mathbf{\mu_i'}$ 和 $\mathbf{\sigma_i'}$ ，然后就只要到根据这两个参数确定的正态分布里去取样就行了！实际应用中，往往懒得进行采样，而直接输出均值 $\mathbf{\mu_i'}$ ，不需要 $\mathbf{\sigma_i'}$ ，就是一个有效的字符了。既然不需要 $\mathbf{\sigma_i'}$ ，我就再偷点懒，进一步假设 $ p_{\theta}(\mathbf{X}|\mathbf{z_i})$ 各个维度的方差都是固定的， $\mathbf{\sigma_i'}$ 是看我心情选择的固定的超参数，这样就更方便了。

我的兴趣被祂挑动了起来，继续问祂：那损失函数又该如何确定来调整 $\theta$ 呢？
祂写道：

我的全局的最终目标是什么呢？是想得到一个与真实分布 $ p(\mathbf{X})$ 尽可能接近的分布 $ p_{\theta}(\mathbf{X})$ ，也就是全体字符集在空间中的概率分布。在 $ p_{\theta}(\mathbf{X=X_{i}})$ 比较大的地方，这个 $ \mathbf{X_{i}}$ 很有可能是一个真实的字符！之前已经可以得到 $p_{\theta}(\mathbf{X}|\mathbf{z})$ 和 $p_{}(\mathbf{z})$ ，那么我就可以使用全概率公式，得到
$p_{\theta}(\mathbf{X})=\int_{\mathbf{z} }^{} p_{\theta}(\mathbf{X}|\mathbf{z})p_{}(\mathbf{z}) d\mathbf{z}$
我不可能做这个积分，因为这需要无穷多的 $p_{\theta}(\mathbf{X}|\mathbf{z})$ ，所以退而求其次，采大量的样本，来近似计算这个积分。
$p_{\theta}(\mathbf{X})=\frac{1}{n} \sum_{i=1}^{n} p_{\theta}(\mathbf{X}|\mathbf{z_i})$
现在用一下概率统计的知识来确定 $\theta$ ，什么情况下，这个我观察到的这个字符集出现的概率最大？我选择最似然估计。
写出似然函数的对数

\begin{align} \ln L(\theta) & = \sum_{j = 1}^{m} \ln{p_{\theta}(\mathbf{X_j})} \\&=\sum_{j = 1}^{m} \frac{1}{n} \sum_{i = 1}^{n}\ln{p_{\theta}(\mathbf{X_j}|\mathbf{z_i})} \end{align}

那么我的

\theta^{*}

就应该是

\theta^{*}=arg\underset{\theta}{max} \sum_{j = 1}^{m} \frac{1}{n} \sum_{i = 1}^{n}\ln{p_{\theta}(\mathbf{X_j}|\mathbf{z_i})}

由于损失函数都是求最小值，所以我改写一下上式

\theta^{*}=arg\underset{\theta}{min} -\sum_{j = 1}^{m} \frac{1}{n} \sum_{i = 1}^{n}\ln{p_{\theta}(\mathbf{X_j}|\mathbf{z_i})}

我确实可以这么做，但是

\mathbf X_i

和

\mathbf z_i

的维度都不会很小，想要还原成一个比较准确的分布

p_{\theta}(\mathbf{X})

，依然需要极大量的样本，来获取各个维度所包含的特征，否则效果可能会很差。从实践角度来说，这几乎是行不通的。
但是，仔细想想，我之前已经有一个从你写的有意义的字

\mathbf X_j

到

\mathbf z_j

的编码过程了！从一个字，我可以编码出一系列手势，这些手势往往都是有意义的！这样我获得的样本都有意义，就可以减少需要的样本量了。也就是说，我可以获得

p_{\theta}(\mathbf{z}|\mathbf{X_i})

，那么

p_{\theta}(\mathbf{X})

就可以写成

\begin{align} p_{\theta}(\mathbf{X})&=\int_{\mathbf{z} }^{} p_{\theta}(\mathbf{z}|\mathbf{X})p_{\theta}(\mathbf{X})d\mathbf{z}\\&=\int_{\mathbf{z} }^{} p_{\theta}(\mathbf{z}|\mathbf{X})\frac{p_{\theta}(\mathbf{X,z})}{p_{\theta}(\mathbf{z}|\mathbf{X})}d\mathbf{z} \end{align}

虽然看起来还没什么意义，但是让我来看一看怎么求这个

p_{\theta}(\mathbf{z}|\mathbf{X_i})

吧。

\begin{align} p_{\theta}(\mathbf{z}|\mathbf{X_i})&=\frac{p_{\theta}(\mathbf{X_i,z})}{p_{\theta}(\mathbf{X_i})} \\&=\frac{p_{\theta}(\mathbf{X_i}|\mathbf{z})p_{}(\mathbf{z}) }{p_{\theta}(\mathbf{X_i})} \end{align}

我发现，又有

p_{\theta}(\mathbf{X_i})=\int_{\mathbf{z} }^{} p_{\theta}(\mathbf{X_i}|\mathbf{z})p_{}(\mathbf{z}) d\mathbf{z}

这个讨厌的积分又出现了！前面颠来倒去的不知道在写什么，完全是转了一圈又回来了！
然后我想到，为什么不用万能函数拟合器来拟合这个

p_{\theta}(\mathbf{z}|\mathbf{X_i})

呢？既然已经有了

p_{\theta}(\mathbf{X}|\mathbf{z})

和

p_{}(\mathbf{z})

都是正态分布，那么容易证明，

p_{\theta}(\mathbf{z}|\mathbf{X_i})

也应该是正态分布！那么我们就可以用编码器来拟合

p_{\theta}(\mathbf{z}|\mathbf{X_i}) ≈q_{\phi}(\mathbf{z}|\mathbf{X_i})=N(\mathbf{z}|\mu_{i}''(\mathbf{X_i};\phi),\sigma_{i}''^{2}(\mathbf{X_i};\phi)*\mathbf{I})

这样，编码过程我最后让编码器输出

\mu_{i}''

和

\sigma_{i}''

就可以了。然后就在由

\mu_{i}''

和

\sigma_{i}''

确定的正态分布中取样得到

\mathbf{z_{i}}

，之后就是刚才说过的解码过程了。

我一时觉得很有道理，但又隐隐感觉有些不对，就问：既然 $\mathbf{z_{i}}$ 是由随机采样产生的，那又该怎么反向传播呢？
祂又写道：

你的理解是正确的。所以我采用了一种叫重参数化 (reparameterization) 的技巧。有了 $\mu_{i}''$ 和 $\sigma_{i}''$ 以后，我不直接采样，而是采用特定的规则生成 $\mathbf{z_{i}}$ 。
$ \mathbf{z_{i}}=\mu_{i}''+\sigma_{i}''\odot \epsilon_i, \epsilon\sim N(0,\mathbf{I})$
$\odot$ 表示逐元素相乘。
很显然，现在 $\mathbf{z_{i}}$ 依然服从正态分布，而且随机的部分化为了一个参数 $\epsilon$ ，对 $\mu_{i}''$ 和 $\sigma_{i}''$ 就又可以求导了，这样反向传播就得以进行了。

我接着问：那损失函数又该如何确定呢？
祂回答：

对了，我们再回过头来看这个 $p_{\theta}(\mathbf{X})$ ，直接对他求一次对数，得到

\begin{align} \ln p_{\theta}(\mathbf{X})&=\int_{\mathbf{z} }^{} q_{\phi}(\mathbf{z}|\mathbf{X})\ln p_{\theta}(\mathbf{X})d\mathbf{z}\\&=\int_{\mathbf{z} }^{} q_{\phi}(\mathbf{z}|\mathbf{X})\ln \frac{p_{\theta}(\mathbf{X,z})}{p_{\theta}(\mathbf{z}|\mathbf{X})}d\mathbf{z} \\&=\int_{\mathbf{z} }^{} q_{\phi}(\mathbf{z}|\mathbf{X})\ln \frac{p_{\theta}(\mathbf{X,z})q_{\phi}(\mathbf{X,z})}{q_{\phi}(\mathbf{X,z})p_{\theta}(\mathbf{z}|\mathbf{X})}d\mathbf{z} \\&=\int_{\mathbf{z} }^{} q_{\phi}(\mathbf{z}|\mathbf{X})\ln \frac{p_{\theta}(\mathbf{X,z})}{q_{\phi}(\mathbf{z}|\mathbf{X})}d\mathbf{z}+\int_{\mathbf{z} }^{} q_{\phi}(\mathbf{z}|\mathbf{X})\ln \frac{q_{\phi}(\mathbf{X,z})}{p_{\theta}(\mathbf{z}|\mathbf{X})}d\mathbf{z} \end{align}

这么写，是因为第二项就是 KL 散度！然后再改写一下

\begin{align} \ln p_{\theta}(\mathbf{X}) &=l(p_{\theta},q_{\phi})+D_{KL}(q_{\phi},p_{\theta}) \end{align}

就得到

\begin{align} l(p_{\theta},q_{\phi}) &=-D_{KL}(q_{\phi},p_{\theta})+\ln p_{\theta}(\mathbf{X}) \end{align}

我们知道，KL 散度是恒大于等于 0 的，因此这个

l(p_{\theta},q_{\phi})

就是

\ln p_{\theta}(\mathbf{X})

的下界。之前我已经得到似然函数的对数

\ln L(\theta) = \sum_{j = 1}^{m} \ln{p_{\theta}(\mathbf{x_j})} $ ，要让他最大化，那么就要让 $\ln p_{\theta}(\mathbf{X})

最大化。显然，我同时也希望

q_{\phi}

能尽可能地逼近

p_{\theta}

，也就是他们的 KL 散度最小化。两者一结合，就是

l(p_{\theta},q_{\phi})

最大化！
现在来求怎么使

l(p_{\theta},q_{\phi})

最大化：

\begin{align} l(p_{\theta},q_{\phi})&=\int_{\mathbf{z} }^{} q_{\phi}(\mathbf{z}|\mathbf{X})\ln \frac{p_{\theta}(\mathbf{X,z})}{q_{\phi}(\mathbf{z}|\mathbf{X})}d\mathbf{z} \\&=\int_{\mathbf{z} }^{} q_{\phi}(\mathbf{z}|\mathbf{X})\ln \frac{p_{\theta}(\mathbf{X|z})p(\mathbf{z})}{q_{\phi}(\mathbf{z}|\mathbf{X})}d\mathbf{z} \\&=\int_{\mathbf{z} }^{} q_{\phi}(\mathbf{z}|\mathbf{X})\ln \frac{p(\mathbf{z})}{q_{\phi}(\mathbf{z}|\mathbf{X})}d\mathbf{z}+\int_{\mathbf{z} }^{} q_{\phi}(\mathbf{z|X})\ln p_{\theta}(\mathbf{X|z})d\mathbf{z} \\&=-D_{KL}(q_{\phi},p)+\mathbb{E}_{q_{\phi}}(\ln p_{\theta}(\mathbf{X|z})) \end{align}

实际上，由于我已经假设了

p(\mathbf{z})

和

q_{\phi}(\mathbf{z|X})

的正态分布，

D_{KL}(q_{\phi},p)

其实是可以算出解析解的！
先简单考虑一维的时候，

\begin{align} D_{KL}(q_{\phi},p) &=\int_{\mathbf{z} }^{} q_{\phi}(\mathbf{z}|\mathbf{X})\ln \frac{q_{\phi}(\mathbf{z}|\mathbf{X})}{p(\mathbf{z})}d\mathbf{z} \\&=\int_{\mathbf{z}} \frac{1}{\sqrt{2\pi \sigma ''^{2}}} e^{-\frac{(\mathbf{z}-\mu'')^2}{2\sigma''^2} } \ln \frac{\frac{1}{\sqrt{2\pi \sigma ''^{2}}} e^{-\frac{(\mathbf{z}-\mu'')^2}{2\sigma''^2} }} {\frac{1}{\sqrt{2\pi }} e^{-\frac{\mathbf{z}^2}{2} }} d\mathbf{z} \\&=\int_{\mathbf{z}} \frac{1}{\sqrt{2\pi \sigma ''^{2}}} e^{-\frac{(\mathbf{z}-\mu'')^2}{2\sigma''^2} } (-\frac{(\mathbf{z}-\mu'')^2}{2\sigma''^2}+\frac{\mathbf{z}^2}{2}-\ln \sigma '' )d\mathbf{z} \\&=\frac{1}{2}(-1+\sigma''^2+\mu''^2-\ln \sigma''^2) \end{align}

由于各个维度独立，我们可以得到

\begin{align} D_{KL}(q_{\phi},p) &=\sum_{i=1}^{d} \frac{1}{2}(-1+\sigma''^{(i)2}+\mu''^{(i)2}-\ln \sigma''^{(i)2}) \end{align}

d 为总维度数，

\mu''^{(i)}

表示向量

\mu''

的第 i 个分量。
最后，我只需要求

\mathbb{E}_{q_{\phi}}(\ln p_{\theta}(\mathbf{X|z}))

这一项了！现在，由于我们是在

q_{\phi}(\mathbf{z}|\mathbf{X_i})

中对

\mathbf{z_i}

进行采样的，由于

q_{\phi}(\mathbf{z}|\mathbf{X_i})

很快就会接近真实的分布

p_{\theta}(\mathbf{z}|\mathbf{X_i})

，所以我很容易就能取到与

\mathbf{X_i}

相关联的

\mathbf{z_i}

，那么我就可以推出一个比较接近真实情况的分布。所以，现在就可以用采样来近似计算这个积分了。

\begin{align} \int_{\mathbf{z} }^{} q_{\phi}(\mathbf{z|X})\ln p_{\theta}(\mathbf{X|z})d\mathbf{z}≈\frac{1}{n}\sum_{i=1}^{n} \ln p_{\theta}(\mathbf{X|z_i}) \end{align}

我还知道， $ \ln p_{\theta}(\mathbf{X|z_i})$ 满足一个 k 维的各变量独立的正态分布（设每个字形

\mathbf{X_i}

的维度为 k），

\begin{align} \ln p_{\theta}(\mathbf{X|z_i})&=\ln (\frac{1}{\sqrt{(2\pi)^k |\sigma '|}} e^{-\frac{1}{2}(\mathbf{X}-\mathbf{\mu'})^T\sigma '^{-1}(\mathbf{X}-\mathbf{\mu'}) } ) \\&=-\frac{1}{2} \sum_{i=1}^{k} \frac{(\mathbf{X}^{(i)}-\mu'^{(i)})^2}{\sigma'^{(i)}} -\frac{1}{2}(k\ln (2\pi)+\sum_{i=1}^{k}\ln\sigma'^{(i)}) \end{align}

万事俱备，就可以来求损失函数了。
令损失函数

\begin{align} \mathcal{L}&=-\frac{1}{n}\sum_{i=1}^{n}l(p_{\theta},q_{\phi}) \\&=\frac{1}{n}\sum_{i=1}^{n} D_{KL}(q_{\phi},p)-\frac{1}{nm}\sum_{i=1}^{n}\sum_{j=1}^{m}\ln p_{\theta}(\mathbf{X_i|z_j}) \end{align}

我在实践中发现，对一个特定的字形

\mathbf{X_i}

只要采样一个手势

\mathbf{z_i}

，就能达到比较好的效果了。那么令

m=1

\begin{align} \mathcal{L}&=\frac{1}{n}\sum_{i=1}^{n} D_{KL}(q_{\phi},p)-\frac{1}{n}\sum_{i=1}^{n}\ln p_{\theta}(\mathbf{X_i|z_i}) \\&=\frac{1}{n}\sum_{j=1}^{n}\sum_{i=1}^{d} \frac{1}{2}(-1+\sigma_{j}''^{(i)2}+\mu_{j}''^{(i)2}-\ln \sigma_{j}''^{(i)2}) -\frac{1}{n}\sum_{j=1}^{n}(-\frac{1}{2} \sum_{i=1}^{k} \frac{(\mathbf{X_{j}}^{(i)}-\mu_{j}'^{(i)})^2}{\sigma_{j}'^{(i)}} -\frac{1}{2}(k\ln (2\pi)+\sum_{i=1}^{k}\ln\sigma_{j}'^{(i)}) ) \end{align}

完全的常数项没有意义，可以直接舍去。而

\mathbf{\sigma_i'}

是看我心情选的超参数，那我为了方便，就令

\mathbf{\sigma_i'}

的每一个元素都为

\frac{1}{2}

,那么损失函数就可以进一步简化为

\begin{align} \mathcal{L}&=\frac{1}{n}\sum_{j=1}^{n}\sum_{i=1}^{d} \frac{1}{2}(-1+\sigma_{j}''^{(i)2}+\mu_{j}''^{(i)2}-\ln \sigma_{j}''^{(i)2}) +\frac{1}{n}\sum_{i=1}^{n}\left \| \mathbf{X_{i}}-\mu_{i}' \right \| ^2 \end{align}

然后发现，这个第二项有点眼熟，就是一开始算损失函数的两个向量之间的距离！所以现在的损失函数，就相当于加上了前一项的修正项 (这一项通常称为 Regularization Term，而后一项称为 Reconstruction Loss)。现在，一切的原理都已经贯通了！我把它称之为 Virtual Artifact Emulator。

原来如此！我恍然大悟，但我心里始终有一个小小的问题始终困扰着我。于是我问祂：为什么你生成的字这么糊呢？
这下好像真正地激怒了祂，祂疯狂地转起了圈，啪地一下摔在了地上，没了反应。我想我可能问了什么不该问的事情，沾上不干净的东西了。现在我的身边总是怪事连连。为了拜托阴魂，我反复思考：为什么笔仙生成的字这么糊呢？

我想了想，可能是因为现实中的数据是多峰的，比如我写的字有汉字，字母，阿拉伯数字，这些不同类型的字符的分布各自占据了一个峰。而祂的拟合能力不够强，无法捕捉到潜变量充分的信息使得 $p_{\theta}(\mathbf{X|z_i})$ 可以用单峰来拟合，因此祂只能把多峰平均，就产生了模糊。
另一方面，可能祂的损失函数对错误的惩罚能力比较强，而对模糊的惩罚能力较弱。设想一个黑白棋盘，如果产生的值黑白都和真实值恰好相反了，那损失函数是最大的，而如果是全灰的，损失函数就比较小。事实在生成中，祂可能直接生成了全灰的，当作一个比较理想的损失的状态。但是全灰和黑白相反的相比，自然就模糊多了。
还有一点，其实祂说的，已经有了 $p_{\theta}(\mathbf{X}|\mathbf{z})$ 和 $p_{}(\mathbf{z})$ 都是正态分布，那么容易证明， $p_{\theta}(\mathbf{z}|\mathbf{X})$ 也应该是正态分布，是不对的。因为从 $\mathbf{z_i}$ 解码为 $\mathbf{X_i}$ 的过程中经过了一个非线性的万能函数拟合器，会导致 $p_{\theta}(\mathbf{z}|\mathbf{X})$ 不是正态分布。很显然， $p_{}(\mathbf{z})$ 和 $p_{\theta}(\mathbf{X}|\mathbf{z})$ 的均值 $\mu$ 的维度往往是不同的！一个是 $\mathbf z_i$ 的维度，一个是 $\mathbf X_i$ 的维度，不能直接结合得到 $p_{\theta}(\mathbf{z}|\mathbf{X})$ 的分布，因此不能证明为正态分布。再比如说，从 $\mathbf{z_i}$ 解码为 $\mathbf{X_i}$ ，经过了 $\mathrm {ReLu}$ 函数，把大于 0 的部分映射为本身，小于 0 的部分映射为 0，那么显然，这就已经破坏了正态分布的定义域了！所以， $p_{\theta}(\mathbf{z}|\mathbf{X})$ 是正态分布，恰恰是祂的最大假设！而这个假设质量很一般，导致了模型的拟合能力一般。
总而言之，生成的内容很模糊，是模型本身的结构的缺陷，想要生成更高质量的内容，最好还是求诸其他模型吧。

现在我还被脏东西缠着，很痛苦。千万不要玩笔仙！这是我的血泪教训。就算一定要玩，也千万不要问祂写出来的字为什么这么糊！

anonymous21

anonymous21

📝 User Blog Posts (1 posts)