normalizing flows Tutorial

如果你是一個機器學習的實踐者致力於生成模型、貝葉斯深度學習,或深度強化學習,normalizing flows是一個你算法工具包中方便的技術。normalizing flows變換簡單的密度(如高斯函數)成爲豐富複雜的分佈,可用於生成模型,RL和變分推斷。 這個Tutorial由兩部分組成： 1. 分佈和決定因素：在這篇文章中,我解釋瞭如何使用可逆轉換的密度來實現更復雜的密度,以及這些轉換可以鏈接

>>阅读原文<<