生成模型之Flow-based Model(1)前置知识

本文最后更新于:2024年12月27日 下午

Flow-based Model前置知识

流模型是数学上严密推理得到的模型,本篇为数学上的前置内容

雅各比矩阵 Jacobian Matrix

对于两个矩阵xz
z=[z1z2] x=[x1x2]

xz之间存在关系:
x=f(z), z=f1(x)

Jacobian Matrix定义为:
Jf=[x1/z1x1/z2x2/z1x2/z2]

Jf1=[z1/x1z1/x2z2/x1z2/x2]

JfJf1=1

行列式 Determinant

对于一个矩阵A
A=[abcd] 其行列式结果为:
det(A)=adbc

对于一个矩阵
其行列式结果为:

有公式:

可变理论 change of variable theorem

对于正态分布和概率分布
其中满足

一维形式

二维形式

引申

如果满足,则他们的分布之间关系就是相差

生成器Generator

对于一个网络,我们定义他的分布为,对于真实样本的分布为
对于输入,经过生成器得到的结果为,记为
说明服从分布 显然一个好的生成器应当使得接近

因此理论上有最优生成器
其中


(KL散度越小,两个分布越接近)


生成模型之Flow-based Model(1)前置知识
https://ash-one.github.io/2022/07/08/sheng-cheng-mo-xing-zhi-flow-based-model-1-qian-zhi-zhi-shi/
作者
灰一
发布于
2022年7月8日
许可协议