深度学习生成模型（五）—— 自回归生成与 Normalizing Flow（五十三）
1. 定位导航
第 49-52 篇我们看完了 VAE、GAN、扩散、AE。生成模型还有两个重要分支：
| 分支 | 代表 | 特点 |
|---|---|---|
| 自回归 | GPT, PixelRNN, WaveNet | 链式分解，精确似然 |
| Normalizing Flow | RealNVP, Glow, FFJORD | 可逆变换，精确似然 |
→ 两者共同特点：直接计算logP(x)\log P(x)log
深入了解每一个知识点
第 49-52 篇我们看完了 VAE、GAN、扩散、AE。生成模型还有两个重要分支：
| 分支 | 代表 | 特点 |
|---|---|---|
| 自回归 | GPT, PixelRNN, WaveNet | 链式分解，精确似然 |
| Normalizing Flow | RealNVP, Glow, FFJORD | 可逆变换，精确似然 |
→ 两者共同特点：直接计算logP(x)\log P(x)log