변이형 오토인코더는 현재 생성 모델링 분야의가장 기본적인 딥러닝 구조.3.2 오토인코더인코딩 : 네트워크 이미지 같은 고차원 입력 데이터를 저차원 임베딩 벡터로 압축.디코딩 : 네트워크 임베딩 벡터를 원본 도메인으로 압축 해제.(원본 임베딩이 없는 위치에서도 재구성 가능)오토인코더 : 인코딩, 디코딩 작업을 수행하도록 훈련된 신경망.3.2.3 인코더입력 이미지를 잠재 공간 안의 임베딩 벡터에 매핑.스트라이드 2를 사용해 각 층에서 출력 크기를 절반 줄이고 채널을 늘려 점진적 고수준 특성 학습.=> 표준 합성곱 층3.2.4 디코더전치 합성곱 층(transposed convolutional layer)디코더의 가장 큰 특징.표준 합성곱 층과 원리는 동일하지만 입력 텐서의 높이와 너비를 두배로 늘림.Strid..

1.1 생성 모델링이란?생성 모델링 : 주어진 데이터셋과 유사한 새로운 데이터를 생성.이미지 생성 문제에서 특성은 개별 픽셀 값.결정적 -> 확률적=> 다양한 출력 결과를 샘플링1.1.1 생성 모델링과 판별 모델링생성 모델링과 반대 개념인 판별 모델링.차이점 1 : 판별 모델링은 레이블이 있지만 생성 모델링은 없음.판별 모델링 : 샘플 x가 주어졌을 때 레이블 y의 확률을 모델링.생성 모델링 : 샘플 x를 관측할 확률을 모델링.1.1.3 생성 모델링과 AI생성 모델은 아주 복잡한 인공지능 문제를 푸는 열쇠로 추정특정 레이블을 넘어 데이터 분포를 완전히 이해하는 모델.강화학습의 에이전트는 특정 작업에 최적화 되어 유연성이 떨어지므로 생성 모델이 특정 작업에 독립적인 월드 모델로 훈련.인간을 견줄만한 모델 ..