VAE

斯坦福大学CS236课程专注于深度生成模型的概率基础和学习算法，涵盖变分自编码器（VAE）、生成对抗网络（GAN）、自回归模型等多种前沿技术。课程结合理论与实践，探讨生成模型在计算机视觉、自然语言处理等领域的应用，并提供丰富的课程笔记和项目实践机会。学生需分组完成开放式项目，可选择应用模型到新任务、改进算法或进行理论分析。

该项目提供了多种生成模型的PyTorch实现，包括VAE、BIRVAE、NSGAN、MMGAN、WGAN、WGANGP、LSGAN、DRAGAN、BEGAN、RaGAN、InfoGAN、fGAN和FisherGAN等。代码带有详细注释，易于理解，并包含交互式可视化工具，帮助用户更好地理解和解释不同生成模型的行为。

该项目为初学者提供了学习变分自编码器（VAE）、生成对抗网络（GAN）以及条件变分自编码器-生成对抗网络（CVAE-GAN）的最佳起点。项目包含自编码器（AE）、去噪自编码器（DAE）、变分自编码器（VAE）、生成对抗网络（GAN）、条件生成对抗网络（CGAN）、深度卷积生成对抗网络（DCGAN）、WGAN、WGAN-GP、VAE-GAN和CVAE-GAN，所有模型均基于PyTorch框架实现。