Вот мое понимание процесса применения распределения к скрытому представлению Adversarial Autoencoder:
Для обучения Adversarial Autoencoder, образец взят из предыдущего распределения (как стандартное нормальное распределение)скажем, p(z), и сеть дискриминатора сравнивает эту выборку со скрытым представлением z, смоделированным с помощью распределения q(z) (фактически q(z|x)), чтобы вывести что-то, что говорит, является ли z "реальным" или "поддельным"образец из предыдущего распределения.
Как именно эта часть учебного процесса реализована в Python (Tensorflow)?
Я понимаю, что сеть дискриминатора построена так же, как и любая другая сеть, и действительно специфична длятип данных скрытого представления.Что меня больше интересует, так это знание того, каковы входы сети дискриминатора и как образцы генерируются и передаются в сеть.Может кто-нибудь помочь с этим?