-
以张量流和PyTorch实现的变分自动编码器，包括逆自回归流的版本
资源介绍
张量流和pytorch中的变体自动编码器
TensorFlow和PyTorch中可变自动编码器的参考实现。
我建议使用PyTorch版本。 它包括一个更具表达性的变分族的例子，。
变分推断用于使模型适合二值化MNIST手写数字图像。 推理网络（编码器）用于分摊推理并在数据点之间共享参数。 可能性通过生成网络（解码器）进行参数化。
博客文章： ：
具有重要性采样的示例输出，用于估计Hugo Larochelle的Binary MNIST数据集上的边际可能性。 测试集为-97.10边缘可能性。
$ python train_variational_autoencoder_pytor