问在显示VAE的潜在空间时，我们会看到什么？

EN

当人们制作二维散点图时，他们实际上画的是什么？

第一种情况:当我们想要获得特定输入的嵌入时：

我们要么

1. 将手写字符"9“输入VAE，接收一个20维的”均值“向量，然后使用the将其嵌入2D维，最后用标签"9”或点旁边的实际图像绘制它，或
2. 我们不使用t直接使用二维平均向量和绘图。

请注意，“方差”向量不用于嵌入。然而，它的大小可以用来表示不确定性的程度。例如，一个清晰的"9“比匆忙写的接近"0”的"9“的差异要小。

第二种情况:当我们要绘制z空间的随机样本时：

1. 我们选择了z的随机值，它有效地绕过了均值和方差向量中的采样，样本=变量(torch.randn(64，ZDIMS))
2. 然后，我们将这些z输入解码器，并接收图像，sample = model.decode(sample).cpu()
3. 最后，我们使用t将z嵌入到二维维中，或者直接用二维表示z和绘图。

下面是第二种情况的说明(由唯一的油漆绘制)：

正如你所看到的，均值和方差被完全绕过，我们直接把随机z给解码器。

参考文章也说了同样的话，但不那么明显：

在下面你可以看到64个随机样本，它们是我用下面的例子，用ZDIMS=2制作的，一个二维的MNIST数字的潜在空间。

和

VAE学到了任何输入数字的20维正态分布。

ZDIMS = 20
...
self.fc21 = nn.Linear(400, ZDIMS)  # mu layer
self.fc22 = nn.Linear(400, ZDIMS)  # logvariance layer

这意味着它只指z向量，绕过均值和方差向量。