第20章 深度生成模型
比较玻尔兹曼机、信念网络、VAE、GAN、自回归与其他深度生成方案；用依赖地图、计算轨迹和独立证据门交付模型族对照、目标—采样轨迹与独立评估包
学习目标
- 能说明“第20章 深度生成模型”如何比较玻尔兹曼机、信念网络、VAE、GAN、自回归与其他深度生成方案，并区分原版、中文目录、开放访问许可和当前独立重写
- 能先预测“怎样按密度、采样、潜变量、训练目标与评估协议比较生成模型，而不混用结论？”会改变哪个输入、shape、状态、目标、梯度、估计或评估结果，再操作三类证据视图
- 能只注入“只凭精选样本观感给不同生成模型排序”，定位首个偏离“数据、似然可得性、潜变量、随机性、训练目标、采样预算和评估口径必须一致”的状态，并从同一快照完成恢复
为什么从这个问题开始
“第20章 深度生成模型”围绕“怎样按密度、采样、潜变量、训练目标与评估协议比较生成模型，而不混用结论？”建立贯穿任务：在同一数据集上评审多个深度生成模型族。先写下哪个输入、shape、状态、目标、梯度、估计或评估会先变化，再运行参考、故障和恢复路径；运行后补理由不算预测。只有“第20章 深度生成模型”守住“数据、似然可得性、潜变量、随机性、训练目标、采样预算和评估口径必须一致”并交付模型族对照、目标—采样轨迹与独立评估包，最终分数、似然、重构、样本或部署结果才构成机制证据。
书目、353个正式坐标与许可边界
“第20章 深度生成模型”以MIT Press书目页核对Ian Goodfellow、Yoshua Bengio、Aaron Courville著 Deep Learning：精装ISBN 9780262035613，2016年11月18日出版，800页；MIT Press同时把作者托管版列为开放访问资源，并标注CC BY-NC-ND 4.0。开放阅读不等于允许演绎，“第20章 深度生成模型”不复制、翻译或改写受保护正文，只把原版公开目录与可定位章节用作范围和事实核对。
“第20章 深度生成模型”以作者官方目录核对3个部分、20章和164个一级节，再以人民邮电出版社官方中文书页核对166个二级节、中文书名、ISBN 9787115461476和2017年8月出版信息；合计353个正式目录坐标。出版社页面中“有效有效”、缺空格等排版噪声已按英文原版标题规范化，但没有新增原版不存在的章节。
“第20章 深度生成模型”的中文讲解、状态图、数值实验、练习与答案均为独立教学重写；2016年以后出现的框架行为或研究进展必须带当前时间标签，不能倒填为原书原话。章专属核对 1、章专属核对 2只用于核对本页算法、API或实验边界，不能反向证明原书采用本站表述。
原版目录层级与可验证机制
第20章 深度生成模型
↡深度生成模型对应正式目录坐标“第20章 深度生成模型”，在“第20章 深度生成模型”中用于按密度、潜变量、训练目标、采样和评估比较生成模型，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 1/40。 目录原文键 第20章 深度生成模型。在“第20章 深度生成模型”的第1个坐标中，「第20章 深度生成模型」通过按密度、潜变量、训练目标、采样和评估比较生成模型推进能量、潜变量、对抗与自回归生成；复核者保存目标—更新轨迹、随机种子、样本协议与独立评估，一旦出现只凭精选样本观感比较不可同口径的模型就撤回结论。
20·1 玻尔兹曼机
↡玻尔兹曼机对应正式目录坐标“20·1 玻尔兹曼机”，在“第20章 深度生成模型”中用于区分能量、归一化、正负相与近似训练目标，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 2/40。 目录原文键 20.1 玻尔兹曼机。围绕“怎样按密度、采样、潜变量、训练目标与评估协议比较生成模型，而不混用结论？”，“第20章 深度生成模型”在坐标2把「20·1 玻尔兹曼机」落实为区分能量、归一化、正负相与近似训练目标；只有能量、正负相梯度、链状态、近似偏差与归一化估计可复算且反例排除代理目标改善被写成精确似然改善，本节点才算掌握。
20·2 受限玻尔兹曼机
↡受限玻尔兹曼机对应正式目录坐标“20·2 受限玻尔兹曼机”，在“第20章 深度生成模型”中用于区分能量、归一化、正负相与近似训练目标，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 3/40。 目录原文键 20.2 受限玻尔兹曼机。“第20章 深度生成模型”的原版节点3「20·2 受限玻尔兹曼机」不能停在名词解释：它要区分能量、归一化、正负相与近似训练目标，交付能量、正负相梯度、链状态、近似偏差与归一化估计，并用代理目标改善被写成精确似然改善作为单一反事实检查。
20·2·1 条件分布
↡条件分布对应正式目录坐标“20·2·1 条件分布”，在“第20章 深度生成模型”中用于声明随机变量、支持集、分布和信息量的概率合同，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 4/40。 目录原文键 20.2.1 条件分布。对“第20章 深度生成模型”而言，「20·2·1 条件分布」在第4次检查中改变可观察状态，因为它负责声明随机变量、支持集、分布和信息量的概率合同；归一化、条件方向、样本统计、对数口径与误差必须与“数据、似然可得性、潜变量、随机性、训练目标、采样预算和评估口径必须一致”对齐，不能接受把密度、质量、样本频率或信息量混为同一量。
20·2·2 训练受限玻尔兹曼机
↡训练受限玻尔兹曼机对应正式目录坐标“20·2·2 训练受限玻尔兹曼机”，在“第20章 深度生成模型”中用于区分能量、归一化、正负相与近似训练目标，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 5/40。 目录原文键 20.2.2 训练受限玻尔兹曼机。目录原文「20·2·2 训练受限玻尔兹曼机」进入“第20章 深度生成模型”后形成第5个实验合同：先区分能量、归一化、正负相与近似训练目标，再保存能量、正负相梯度、链状态、近似偏差与归一化估计；若发生代理目标改善被写成精确似然改善，从同一输入快照恢复。
20·3 深度信念网络
↡深度信念网络对应正式目录坐标“20·3 深度信念网络”，在“第20章 深度生成模型”中用于按密度、潜变量、训练目标、采样和评估比较生成模型，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 6/40。 目录原文键 20.3 深度信念网络。在“第20章 深度生成模型”的第6个坐标中，「20·3 深度信念网络」通过按密度、潜变量、训练目标、采样和评估比较生成模型推进能量、潜变量、对抗与自回归生成；复核者保存目标—更新轨迹、随机种子、样本协议与独立评估，一旦出现只凭精选样本观感比较不可同口径的模型就撤回结论。
20·4 深度玻尔兹曼机
↡深度玻尔兹曼机对应正式目录坐标“20·4 深度玻尔兹曼机”，在“第20章 深度生成模型”中用于区分能量、归一化、正负相与近似训练目标，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 7/40。 目录原文键 20.4 深度玻尔兹曼机。围绕“怎样按密度、采样、潜变量、训练目标与评估协议比较生成模型，而不混用结论？”，“第20章 深度生成模型”在坐标7把「20·4 深度玻尔兹曼机」落实为区分能量、归一化、正负相与近似训练目标；只有能量、正负相梯度、链状态、近似偏差与归一化估计可复算且反例排除代理目标改善被写成精确似然改善，本节点才算掌握。
20·4·1 有趣的性质
↡有趣的性质对应正式目录坐标“20·4·1 有趣的性质”，在“第20章 深度生成模型”中用于把“有趣的性质”放进能量、潜变量、对抗与自回归生成的章专属计算链，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 8/40。 目录原文键 20.4.1 有趣的性质。“第20章 深度生成模型”的原版节点8「20·4·1 有趣的性质」不能停在名词解释：它要把“有趣的性质”放进能量、潜变量、对抗与自回归生成的章专属计算链，交付第20章 深度生成模型的输入、状态变化、输出、反例与边界，并用只复述“有趣的性质”名称而没有可观察状态和独立证据作为单一反事实检查。
20·4·2 DBM均匀场推断
↡DBM均匀场推断对应正式目录坐标“20·4·2 DBM均匀场推断”，在“第20章 深度生成模型”中用于区分能量、归一化、正负相与近似训练目标，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 9/40。 目录原文键 20.4.2 DBM均匀场推断。对“第20章 深度生成模型”而言，「20·4·2 DBM均匀场推断」在第9次检查中改变可观察状态，因为它负责区分能量、归一化、正负相与近似训练目标；能量、正负相梯度、链状态、近似偏差与归一化估计必须与“数据、似然可得性、潜变量、随机性、训练目标、采样预算和评估口径必须一致”对齐，不能接受代理目标改善被写成精确似然改善。
20·4·3 DBM的参数学习
↡DBM的参数学习对应正式目录坐标“20·4·3 DBM的参数学习”，在“第20章 深度生成模型”中用于区分能量、归一化、正负相与近似训练目标，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 10/40。 目录原文键 20.4.3 DBM的参数学习。目录原文「20·4·3 DBM的参数学习」进入“第20章 深度生成模型”后形成第10个实验合同：先区分能量、归一化、正负相与近似训练目标，再保存能量、正负相梯度、链状态、近似偏差与归一化估计；若发生代理目标改善被写成精确似然改善，从同一输入快照恢复。
20·4·4 逐层预训练
↡逐层预训练对应正式目录坐标“20·4·4 逐层预训练”，在“第20章 深度生成模型”中用于用瓶颈、噪声、域角色和表示探针检验潜在结构，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 11/40。 目录原文键 20.4.4 逐层预训练。在“第20章 深度生成模型”的第11个坐标中，「20·4·4 逐层预训练」通过用瓶颈、噪声、域角色和表示探针检验潜在结构推进能量、潜变量、对抗与自回归生成；复核者保存编码/重构轨迹、域切分、表示探针与消融，一旦出现记忆、标签泄漏或测试参与被误当作可迁移表示就撤回结论。
20·4·5 联合训练深度玻尔兹曼机
↡联合训练深度玻尔兹曼机对应正式目录坐标“20·4·5 联合训练深度玻尔兹曼机”，在“第20章 深度生成模型”中用于区分能量、归一化、正负相与近似训练目标，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 12/40。 目录原文键 20.4.5 联合训练深度玻尔兹曼机。围绕“怎样按密度、采样、潜变量、训练目标与评估协议比较生成模型，而不混用结论？”，“第20章 深度生成模型”在坐标12把「20·4·5 联合训练深度玻尔兹曼机」落实为区分能量、归一化、正负相与近似训练目标；只有能量、正负相梯度、链状态、近似偏差与归一化估计可复算且反例排除代理目标改善被写成精确似然改善，本节点才算掌握。
20·5 实值数据上的玻尔兹曼机
↡实值数据上的玻尔兹曼机对应正式目录坐标“20·5 实值数据上的玻尔兹曼机”，在“第20章 深度生成模型”中用于把任务指标、数据表示、实验决定和部署边界连接起来，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 13/40。 目录原文键 20.5 实值数据上的玻尔兹曼机。“第20章 深度生成模型”的原版节点13「20·5 实值数据上的玻尔兹曼机」不能停在名词解释：它要把任务指标、数据表示、实验决定和部署边界连接起来，交付实验卡、错误分层、硬件剖面、延迟/精度与失效案例，并用离线单一指标被外推为生产系统整体改善作为单一反事实检查。
20·5·1 Gaussian-Bernoulli RBM
↡Gaussian-Bernoulli RBM对应正式目录坐标“20·5·1 Gaussian-Bernoulli RBM”，在“第20章 深度生成模型”中用于声明随机变量、支持集、分布和信息量的概率合同，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 14/40。 目录原文键 20.5.1 Gaussian-Bernoulli RBM。对“第20章 深度生成模型”而言，「20·5·1 Gaussian-Bernoulli RBM」在第14次检查中改变可观察状态，因为它负责声明随机变量、支持集、分布和信息量的概率合同；归一化、条件方向、样本统计、对数口径与误差必须与“数据、似然可得性、潜变量、随机性、训练目标、采样预算和评估口径必须一致”对齐，不能接受把密度、质量、样本频率或信息量混为同一量。
20·5·2 条件协方差的无向模型
↡条件协方差的无向模型对应正式目录坐标“20·5·2 条件协方差的无向模型”，在“第20章 深度生成模型”中用于声明随机变量、支持集、分布和信息量的概率合同，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 15/40。 目录原文键 20.5.2 条件协方差的无向模型。目录原文「20·5·2 条件协方差的无向模型」进入“第20章 深度生成模型”后形成第15个实验合同：先声明随机变量、支持集、分布和信息量的概率合同，再保存归一化、条件方向、样本统计、对数口径与误差；若发生把密度、质量、样本频率或信息量混为同一量，从同一输入快照恢复。
20·6 卷积玻尔兹曼机
↡卷积玻尔兹曼机对应正式目录坐标“20·6 卷积玻尔兹曼机”，在“第20章 深度生成模型”中用于推导局部连接、共享参数和空间输出shape，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 16/40。 目录原文键 20.6 卷积玻尔兹曼机。在“第20章 深度生成模型”的第16个坐标中，「20·6 卷积玻尔兹曼机」通过推导局部连接、共享参数和空间输出shape推进能量、潜变量、对抗与自回归生成；复核者保存核、步幅、填充、通道、感受野与等变性反例，一旦出现轴语义错位但输出shape仍合法就撤回结论。
20·7 结构化或序列输出的玻尔兹曼机
↡结构化或序列输出的玻尔兹曼机对应正式目录坐标“20·7 结构化或序列输出的玻尔兹曼机”，在“第20章 深度生成模型”中用于沿时间展开状态、输入依赖、门控和梯度传播，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 17/40。 目录原文键 20.7 结构化或序列输出的玻尔兹曼机。围绕“怎样按密度、采样、潜变量、训练目标与评估协议比较生成模型，而不混用结论？”，“第20章 深度生成模型”在坐标17把「20·7 结构化或序列输出的玻尔兹曼机」落实为沿时间展开状态、输入依赖、门控和梯度传播；只有时间索引、状态、掩码、教师信号、梯度与解码轨迹可复算且反例排除训练读取未来信息或推断协议与训练不一致，本节点才算掌握。
20·8 其他玻尔兹曼机
↡其他玻尔兹曼机对应正式目录坐标“20·8 其他玻尔兹曼机”，在“第20章 深度生成模型”中用于区分能量、归一化、正负相与近似训练目标，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 18/40。 目录原文键 20.8 其他玻尔兹曼机。“第20章 深度生成模型”的原版节点18「20·8 其他玻尔兹曼机」不能停在名词解释：它要区分能量、归一化、正负相与近似训练目标，交付能量、正负相梯度、链状态、近似偏差与归一化估计，并用代理目标改善被写成精确似然改善作为单一反事实检查。
20·9 通过随机操作的反向传播
↡通过随机操作的反向传播对应正式目录坐标“20·9 通过随机操作的反向传播”，在“第20章 深度生成模型”中用于把前向状态、局部导数和反向梯度连接为计算图，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 19/40。 目录原文键 20.9 通过随机操作的反向传播。对“第20章 深度生成模型”而言，「20·9 通过随机操作的反向传播」在第19次检查中改变可观察状态，因为它负责把前向状态、局部导数和反向梯度连接为计算图；张量shape、节点值、局部导数、梯度与有限差分必须与“数据、似然可得性、潜变量、随机性、训练目标、采样预算和评估口径必须一致”对齐，不能接受广播或缩放错误让梯度数值存在但语义不正确。
20·9·1 通过离散随机操作的反向传播
↡通过离散随机操作的反向传播对应正式目录坐标“20·9·1 通过离散随机操作的反向传播”，在“第20章 深度生成模型”中用于把前向状态、局部导数和反向梯度连接为计算图，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 20/40。 目录原文键 20.9.1 通过离散随机操作的反向传播。目录原文「20·9·1 通过离散随机操作的反向传播」进入“第20章 深度生成模型”后形成第20个实验合同：先把前向状态、局部导数和反向梯度连接为计算图，再保存张量shape、节点值、局部导数、梯度与有限差分；若发生广播或缩放错误让梯度数值存在但语义不正确，从同一输入快照恢复。
20·10 有向生成网络
↡有向生成网络对应正式目录坐标“20·10 有向生成网络”，在“第20章 深度生成模型”中用于从图结构推导联合分解、条件独立、采样和推断查询，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 21/40。 目录原文键 20.10 有向生成网络。在“第20章 深度生成模型”的第21个坐标中，「20·10 有向生成网络」通过从图结构推导联合分解、条件独立、采样和推断查询推进能量、潜变量、对抗与自回归生成；复核者保存图—分解对照、因子、分离查询、能量与采样轨迹，一旦出现把没有直接边误解为任何条件下都独立就撤回结论。
20·10·1 sigmoid信念网络
↡sigmoid信念网络对应正式目录坐标“20·10·1 sigmoid信念网络”，在“第20章 深度生成模型”中用于按密度、潜变量、训练目标、采样和评估比较生成模型，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 22/40。 目录原文键 20.10.1 sigmoid信念网络。围绕“怎样按密度、采样、潜变量、训练目标与评估协议比较生成模型，而不混用结论？”，“第20章 深度生成模型”在坐标22把「20·10·1 sigmoid信念网络」落实为按密度、潜变量、训练目标、采样和评估比较生成模型；只有目标—更新轨迹、随机种子、样本协议与独立评估可复算且反例排除只凭精选样本观感比较不可同口径的模型，本节点才算掌握。
20·10·2 可微生成器网络
↡可微生成器网络对应正式目录坐标“20·10·2 可微生成器网络”，在“第20章 深度生成模型”中用于按密度、潜变量、训练目标、采样和评估比较生成模型，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 23/40。 目录原文键 20.10.2 可微生成器网络。“第20章 深度生成模型”的原版节点23「20·10·2 可微生成器网络」不能停在名词解释：它要按密度、潜变量、训练目标、采样和评估比较生成模型，交付目标—更新轨迹、随机种子、样本协议与独立评估，并用只凭精选样本观感比较不可同口径的模型作为单一反事实检查。
20·10·3 变分自编码器
↡变分自编码器对应正式目录坐标“20·10·3 变分自编码器”，在“第20章 深度生成模型”中用于沿时间展开状态、输入依赖、门控和梯度传播，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 24/40。 目录原文键 20.10.3 变分自编码器。对“第20章 深度生成模型”而言，「20·10·3 变分自编码器」在第24次检查中改变可观察状态，因为它负责沿时间展开状态、输入依赖、门控和梯度传播；时间索引、状态、掩码、教师信号、梯度与解码轨迹必须与“数据、似然可得性、潜变量、随机性、训练目标、采样预算和评估口径必须一致”对齐，不能接受训练读取未来信息或推断协议与训练不一致。
20·10·4 生成式对抗网络
↡生成式对抗网络对应正式目录坐标“20·10·4 生成式对抗网络”，在“第20章 深度生成模型”中用于按密度、潜变量、训练目标、采样和评估比较生成模型，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 25/40。 目录原文键 20.10.4 生成式对抗网络。目录原文「20·10·4 生成式对抗网络」进入“第20章 深度生成模型”后形成第25个实验合同：先按密度、潜变量、训练目标、采样和评估比较生成模型，再保存目标—更新轨迹、随机种子、样本协议与独立评估；若发生只凭精选样本观感比较不可同口径的模型，从同一输入快照恢复。
20·10·5 生成矩匹配网络
↡生成矩匹配网络对应正式目录坐标“20·10·5 生成矩匹配网络”，在“第20章 深度生成模型”中用于按密度、潜变量、训练目标、采样和评估比较生成模型，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 26/40。 目录原文键 20.10.5 生成矩匹配网络。在“第20章 深度生成模型”的第26个坐标中，「20·10·5 生成矩匹配网络」通过按密度、潜变量、训练目标、采样和评估比较生成模型推进能量、潜变量、对抗与自回归生成；复核者保存目标—更新轨迹、随机种子、样本协议与独立评估，一旦出现只凭精选样本观感比较不可同口径的模型就撤回结论。
20·10·6 卷积生成网络
↡卷积生成网络对应正式目录坐标“20·10·6 卷积生成网络”，在“第20章 深度生成模型”中用于推导局部连接、共享参数和空间输出shape，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 27/40。 目录原文键 20.10.6 卷积生成网络。围绕“怎样按密度、采样、潜变量、训练目标与评估协议比较生成模型，而不混用结论？”，“第20章 深度生成模型”在坐标27把「20·10·6 卷积生成网络」落实为推导局部连接、共享参数和空间输出shape；只有核、步幅、填充、通道、感受野与等变性反例可复算且反例排除轴语义错位但输出shape仍合法，本节点才算掌握。
20·10·7 自回归网络
↡自回归网络对应正式目录坐标“20·10·7 自回归网络”，在“第20章 深度生成模型”中用于按密度、潜变量、训练目标、采样和评估比较生成模型，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 28/40。 目录原文键 20.10.7 自回归网络。“第20章 深度生成模型”的原版节点28「20·10·7 自回归网络」不能停在名词解释：它要按密度、潜变量、训练目标、采样和评估比较生成模型，交付目标—更新轨迹、随机种子、样本协议与独立评估，并用只凭精选样本观感比较不可同口径的模型作为单一反事实检查。
20·10·8 线性自回归网络
↡线性自回归网络对应正式目录坐标“20·10·8 线性自回归网络”，在“第20章 深度生成模型”中用于按密度、潜变量、训练目标、采样和评估比较生成模型，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 29/40。 目录原文键 20.10.8 线性自回归网络。对“第20章 深度生成模型”而言，「20·10·8 线性自回归网络」在第29次检查中改变可观察状态，因为它负责按密度、潜变量、训练目标、采样和评估比较生成模型；目标—更新轨迹、随机种子、样本协议与独立评估必须与“数据、似然可得性、潜变量、随机性、训练目标、采样预算和评估口径必须一致”对齐，不能接受只凭精选样本观感比较不可同口径的模型。
20·10·9 神经自回归网络
↡神经自回归网络对应正式目录坐标“20·10·9 神经自回归网络”，在“第20章 深度生成模型”中用于按密度、潜变量、训练目标、采样和评估比较生成模型，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 30/40。 目录原文键 20.10.9 神经自回归网络。目录原文「20·10·9 神经自回归网络」进入“第20章 深度生成模型”后形成第30个实验合同：先按密度、潜变量、训练目标、采样和评估比较生成模型，再保存目标—更新轨迹、随机种子、样本协议与独立评估；若发生只凭精选样本观感比较不可同口径的模型，从同一输入快照恢复。
20·10·10 NADE
↡NADE对应正式目录坐标“20·10·10 NADE”，在“第20章 深度生成模型”中用于按密度、潜变量、训练目标、采样和评估比较生成模型，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 31/40。 目录原文键 20.10.10 NADE。在“第20章 深度生成模型”的第31个坐标中，「20·10·10 NADE」通过按密度、潜变量、训练目标、采样和评估比较生成模型推进能量、潜变量、对抗与自回归生成；复核者保存目标—更新轨迹、随机种子、样本协议与独立评估，一旦出现只凭精选样本观感比较不可同口径的模型就撤回结论。
20·11 从自编码器采样
↡从自编码器采样对应正式目录坐标“20·11 从自编码器采样”，在“第20章 深度生成模型”中用于沿时间展开状态、输入依赖、门控和梯度传播，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 32/40。 目录原文键 20.11 从自编码器采样。围绕“怎样按密度、采样、潜变量、训练目标与评估协议比较生成模型，而不混用结论？”，“第20章 深度生成模型”在坐标32把「20·11 从自编码器采样」落实为沿时间展开状态、输入依赖、门控和梯度传播；只有时间索引、状态、掩码、教师信号、梯度与解码轨迹可复算且反例排除训练读取未来信息或推断协议与训练不一致，本节点才算掌握。
20·11·1 与任意去噪自编码器相关的马尔可夫链
↡与任意去噪自编码器相关的马尔可夫链对应正式目录坐标“20·11·1 与任意去噪自编码器相关的马尔可夫链”，在“第20章 深度生成模型”中用于沿时间展开状态、输入依赖、门控和梯度传播，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 33/40。 目录原文键 20.11.1 与任意去噪自编码器相关的马尔可夫链。“第20章 深度生成模型”的原版节点33「20·11·1 与任意去噪自编码器相关的马尔可夫链」不能停在名词解释：它要沿时间展开状态、输入依赖、门控和梯度传播，交付时间索引、状态、掩码、教师信号、梯度与解码轨迹，并用训练读取未来信息或推断协议与训练不一致作为单一反事实检查。
20·11·2 夹合与条件采样
↡夹合与条件采样对应正式目录坐标“20·11·2 夹合与条件采样”，在“第20章 深度生成模型”中用于把“夹合与条件采样”放进能量、潜变量、对抗与自回归生成的章专属计算链，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 34/40。 目录原文键 20.11.2 夹合与条件采样。对“第20章 深度生成模型”而言，「20·11·2 夹合与条件采样」在第34次检查中改变可观察状态，因为它负责把“夹合与条件采样”放进能量、潜变量、对抗与自回归生成的章专属计算链；第20章 深度生成模型的输入、状态变化、输出、反例与边界必须与“数据、似然可得性、潜变量、随机性、训练目标、采样预算和评估口径必须一致”对齐，不能接受只复述“夹合与条件采样”名称而没有可观察状态和独立证据。
20·11·3 回退训练过程
↡回退训练过程对应正式目录坐标“20·11·3 回退训练过程”，在“第20章 深度生成模型”中用于把“回退训练过程”放进能量、潜变量、对抗与自回归生成的章专属计算链，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 35/40。 目录原文键 20.11.3 回退训练过程。目录原文「20·11·3 回退训练过程」进入“第20章 深度生成模型”后形成第35个实验合同：先把“回退训练过程”放进能量、潜变量、对抗与自回归生成的章专属计算链，再保存第20章 深度生成模型的输入、状态变化、输出、反例与边界；若发生只复述“回退训练过程”名称而没有可观察状态和独立证据，从同一输入快照恢复。
20·12 生成随机网络
↡生成随机网络对应正式目录坐标“20·12 生成随机网络”，在“第20章 深度生成模型”中用于按密度、潜变量、训练目标、采样和评估比较生成模型，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 36/40。 目录原文键 20.12 生成随机网络。在“第20章 深度生成模型”的第36个坐标中，「20·12 生成随机网络」通过按密度、潜变量、训练目标、采样和评估比较生成模型推进能量、潜变量、对抗与自回归生成；复核者保存目标—更新轨迹、随机种子、样本协议与独立评估，一旦出现只凭精选样本观感比较不可同口径的模型就撤回结论。
20·12·1 判别性GSN
↡判别性GSN对应正式目录坐标“20·12·1 判别性GSN”，在“第20章 深度生成模型”中用于按密度、潜变量、训练目标、采样和评估比较生成模型，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 37/40。 目录原文键 20.12.1 判别性GSN。围绕“怎样按密度、采样、潜变量、训练目标与评估协议比较生成模型，而不混用结论？”，“第20章 深度生成模型”在坐标37把「20·12·1 判别性GSN」落实为按密度、潜变量、训练目标、采样和评估比较生成模型；只有目标—更新轨迹、随机种子、样本协议与独立评估可复算且反例排除只凭精选样本观感比较不可同口径的模型，本节点才算掌握。
20·13 其他生成方案
↡其他生成方案对应正式目录坐标“20·13 其他生成方案”，在“第20章 深度生成模型”中用于按密度、潜变量、训练目标、采样和评估比较生成模型，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 38/40。 目录原文键 20.13 其他生成方案。“第20章 深度生成模型”的原版节点38「20·13 其他生成方案」不能停在名词解释：它要按密度、潜变量、训练目标、采样和评估比较生成模型，交付目标—更新轨迹、随机种子、样本协议与独立评估，并用只凭精选样本观感比较不可同口径的模型作为单一反事实检查。
20·14 评估生成模型
↡评估生成模型对应正式目录坐标“20·14 评估生成模型”，在“第20章 深度生成模型”中用于按密度、潜变量、训练目标、采样和评估比较生成模型，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 39/40。 目录原文键 20.14 评估生成模型。对“第20章 深度生成模型”而言，「20·14 评估生成模型」在第39次检查中改变可观察状态，因为它负责按密度、潜变量、训练目标、采样和评估比较生成模型；目标—更新轨迹、随机种子、样本协议与独立评估必须与“数据、似然可得性、潜变量、随机性、训练目标、采样预算和评估口径必须一致”对齐，不能接受只凭精选样本观感比较不可同口径的模型。
20·15 结论
↡结论对应正式目录坐标“20·15 结论”，在“第20章 深度生成模型”中用于把“结论”放进能量、潜变量、对抗与自回归生成的章专属计算链，并受数据、shape、目标、随机性、评估与版本边界约束。正式坐标 40/40。 目录原文键 20.15 结论。目录原文「20·15 结论」进入“第20章 深度生成模型”后形成第40个实验合同：先把“结论”放进能量、潜变量、对抗与自回归生成的章专属计算链，再保存第20章 深度生成模型的输入、状态变化、输出、反例与边界；若发生只复述“结论”名称而没有可观察状态和独立证据，从同一输入快照恢复。
先预测，再操作三个章专属实验
1. 原版坐标、依赖与状态
为“第20章 深度生成模型”选择一个正式目录坐标，在参考合同与单一反例间切换，逐阶段核对输入、操作、输出和检查条件。
依赖与状态地图
第20章 深度生成模型
选择原版坐标，再比较参考合同与单一反例怎样改变同一条计算链。
第20章 深度生成模型 · 输入与角色
- 输入
- 在同一数据集上评审多个深度生成模型族
- 操作与输出
- 冻结能量、潜变量、对抗与自回归生成所需的数据角色、版本和shape → 第20章 深度生成模型的输入合同与基线快照
第20章 深度生成模型 · 计算与状态
- 输入
- 第20章 深度生成模型的输入合同
- 操作与输出
- 执行比较玻尔兹曼机、信念网络、VAE、GAN、自回归与其他深度生成方案的最小计算并保存中间状态 → 第20章 深度生成模型的参考轨迹与单故障轨迹
第20章 深度生成模型 · 目标与更新
- 输入
- 第20章 深度生成模型的中间状态和目标口径
- 操作与输出
- 比较目标分量、梯度、估计或选择决定 → 第20章 深度生成模型的更新前后差异与首个分岔
第20章 深度生成模型 · 独立评估
- 输入
- 第20章 深度生成模型的冻结候选与未见数据或独立诊断
- 操作与输出
- 重放预测、反例、恢复和边界检查 → 第20章 深度生成模型的接受、回退或拒绝理由
第20章 深度生成模型的可重放协议
| 阶段 | 允许动作 | 必留证据 | 拒绝条件 |
|---|---|---|---|
| 第20章 深度生成模型 · 输入与角色 | 冻结能量、潜变量、对抗与自回归生成所需的数据角色、版本和shape | 第20章 深度生成模型的输入合同与基线快照 | 未满足“第20章 深度生成模型的来源、角色、单位、shape和可见性没有越界” |
| 第20章 深度生成模型 · 计算与状态 | 执行比较玻尔兹曼机、信念网络、VAE、GAN、自回归与其他深度生成方案的最小计算并保存中间状态 | 第20章 深度生成模型的参考轨迹与单故障轨迹 | 未满足“第20章 深度生成模型每一步状态变化都能由输入、公式或算法操作复算” |
| 第20章 深度生成模型 · 目标与更新 | 比较目标分量、梯度、估计或选择决定 | 第20章 深度生成模型的更新前后差异与首个分岔 | 未满足“第20章 深度生成模型没有把代理目标、训练分数或偶然样本当作最终结论” |
| 第20章 深度生成模型 · 独立评估 | 重放预测、反例、恢复和边界检查 | 第20章 深度生成模型的接受、回退或拒绝理由 | 未满足“第20章 深度生成模型满足“数据、似然可得性、潜变量、随机性、训练目标、采样预算和评估口径必须一致”” |
unit: "dlt-20"
question: "怎样按密度、采样、潜变量、训练目标与评估协议比较生成模型，而不混用结论？"
scenario: "在同一数据集上评审多个深度生成模型族"
invariant: "数据、似然可得性、潜变量、随机性、训练目标、采样预算和评估口径必须一致"
fault: "只凭精选样本观感给不同生成模型排序"
evidence: "模型族对照、目标—采样轨迹与独立评估包"
reset: restore_concept_mode_trace_step_case_gates_and_artifact“第20章 深度生成模型”要求从同一输入、版本、预算和随机状态重放参考、故障与恢复路径。重置后若目录选择、模式、轨迹步骤、案例、证据门或交付包没有回到基线，本次比较已经混入状态泄漏。
本页回顾
掌握“第20章 深度生成模型”不是背诵术语或抄公式，而是能围绕“怎样按密度、采样、潜变量、训练目标与评估协议比较生成模型，而不混用结论？”重建输入、shape、计算、目标、更新、随机性与独立评估，并用“数据、似然可得性、潜变量、随机性、训练目标、采样预算和评估口径必须一致”拒绝“只凭精选样本观感给不同生成模型排序”。最终交付为模型族对照、目标—采样轨迹与独立评估包
练习与答案
练习
- 问题 1：实验合同。 “第20章 深度生成模型”为什么必须先冻结输入、版本、shape、目标、预算、随机性和评估口径？
- 问题 2：目录逐项覆盖。 怎样证明“第20章 深度生成模型”的正式目录坐标已经进入机制、交互和练习？
- 问题 3：故障恢复。 怎样证明“只凭精选样本观感给不同生成模型排序”已经被修正？
名词解释
名词解释
本章出现的专业名词，用大白话再讲一遍。
- 深度生成模型
检索键 dlt-A 对应目录坐标「第20章 深度生成模型」；在“第20章 深度生成模型”中用于按密度、潜变量、训练目标、采样和评估比较生成模型，需要连接原版范围、计算状态、独立证据和不适用边界。
- 玻尔兹曼机
检索键 dlt-B 对应目录坐标「20·1 玻尔兹曼机」；在“第20章 深度生成模型”中用于区分能量、归一化、正负相与近似训练目标，需要连接原版范围、计算状态、独立证据和不适用边界。
- 受限玻尔兹曼机
检索键 dlt-C 对应目录坐标「20·2 受限玻尔兹曼机」；在“第20章 深度生成模型”中用于区分能量、归一化、正负相与近似训练目标，需要连接原版范围、计算状态、独立证据和不适用边界。
- 条件分布
检索键 dlt-D 对应目录坐标「20·2·1 条件分布」；在“第20章 深度生成模型”中用于声明随机变量、支持集、分布和信息量的概率合同，需要连接原版范围、计算状态、独立证据和不适用边界。
- 训练受限玻尔兹曼机
检索键 dlt-E 对应目录坐标「20·2·2 训练受限玻尔兹曼机」；在“第20章 深度生成模型”中用于区分能量、归一化、正负相与近似训练目标，需要连接原版范围、计算状态、独立证据和不适用边界。
- 深度信念网络
检索键 dlt-F 对应目录坐标「20·3 深度信念网络」；在“第20章 深度生成模型”中用于按密度、潜变量、训练目标、采样和评估比较生成模型，需要连接原版范围、计算状态、独立证据和不适用边界。
- 深度玻尔兹曼机
检索键 dlt-G 对应目录坐标「20·4 深度玻尔兹曼机」；在“第20章 深度生成模型”中用于区分能量、归一化、正负相与近似训练目标，需要连接原版范围、计算状态、独立证据和不适用边界。
- 有趣的性质
检索键 dlt-H 对应目录坐标「20·4·1 有趣的性质」；在“第20章 深度生成模型”中用于把“有趣的性质”放进能量、潜变量、对抗与自回归生成的章专属计算链，需要连接原版范围、计算状态、独立证据和不适用边界。
- DBM均匀场推断
检索键 dlt-I 对应目录坐标「20·4·2 DBM均匀场推断」；在“第20章 深度生成模型”中用于区分能量、归一化、正负相与近似训练目标，需要连接原版范围、计算状态、独立证据和不适用边界。
- DBM的参数学习
检索键 dlt-J 对应目录坐标「20·4·3 DBM的参数学习」；在“第20章 深度生成模型”中用于区分能量、归一化、正负相与近似训练目标，需要连接原版范围、计算状态、独立证据和不适用边界。
- 逐层预训练
检索键 dlt-K 对应目录坐标「20·4·4 逐层预训练」；在“第20章 深度生成模型”中用于用瓶颈、噪声、域角色和表示探针检验潜在结构，需要连接原版范围、计算状态、独立证据和不适用边界。
- 联合训练深度玻尔兹曼机
检索键 dlt-L 对应目录坐标「20·4·5 联合训练深度玻尔兹曼机」；在“第20章 深度生成模型”中用于区分能量、归一化、正负相与近似训练目标，需要连接原版范围、计算状态、独立证据和不适用边界。
- 实值数据上的玻尔兹曼机
检索键 dlt-M 对应目录坐标「20·5 实值数据上的玻尔兹曼机」；在“第20章 深度生成模型”中用于把任务指标、数据表示、实验决定和部署边界连接起来，需要连接原版范围、计算状态、独立证据和不适用边界。
- Gaussian-Bernoulli RBM
检索键 dlt-N 对应目录坐标「20·5·1 Gaussian-Bernoulli RBM」；在“第20章 深度生成模型”中用于声明随机变量、支持集、分布和信息量的概率合同，需要连接原版范围、计算状态、独立证据和不适用边界。
- 条件协方差的无向模型
检索键 dlt-O 对应目录坐标「20·5·2 条件协方差的无向模型」；在“第20章 深度生成模型”中用于声明随机变量、支持集、分布和信息量的概率合同，需要连接原版范围、计算状态、独立证据和不适用边界。
- 卷积玻尔兹曼机
检索键 dlt-P 对应目录坐标「20·6 卷积玻尔兹曼机」；在“第20章 深度生成模型”中用于推导局部连接、共享参数和空间输出shape，需要连接原版范围、计算状态、独立证据和不适用边界。
- 结构化或序列输出的玻尔兹曼机
检索键 dlt-Q 对应目录坐标「20·7 结构化或序列输出的玻尔兹曼机」；在“第20章 深度生成模型”中用于沿时间展开状态、输入依赖、门控和梯度传播，需要连接原版范围、计算状态、独立证据和不适用边界。
- 其他玻尔兹曼机
检索键 dlt-R 对应目录坐标「20·8 其他玻尔兹曼机」；在“第20章 深度生成模型”中用于区分能量、归一化、正负相与近似训练目标，需要连接原版范围、计算状态、独立证据和不适用边界。
- 通过随机操作的反向传播
检索键 dlt-S 对应目录坐标「20·9 通过随机操作的反向传播」；在“第20章 深度生成模型”中用于把前向状态、局部导数和反向梯度连接为计算图，需要连接原版范围、计算状态、独立证据和不适用边界。
- 通过离散随机操作的反向传播
检索键 dlt-T 对应目录坐标「20·9·1 通过离散随机操作的反向传播」；在“第20章 深度生成模型”中用于把前向状态、局部导数和反向梯度连接为计算图，需要连接原版范围、计算状态、独立证据和不适用边界。
- 有向生成网络
检索键 dlt-U 对应目录坐标「20·10 有向生成网络」；在“第20章 深度生成模型”中用于从图结构推导联合分解、条件独立、采样和推断查询，需要连接原版范围、计算状态、独立证据和不适用边界。
- sigmoid信念网络
检索键 dlt-V 对应目录坐标「20·10·1 sigmoid信念网络」；在“第20章 深度生成模型”中用于按密度、潜变量、训练目标、采样和评估比较生成模型，需要连接原版范围、计算状态、独立证据和不适用边界。
- 可微生成器网络
检索键 dlt-W 对应目录坐标「20·10·2 可微生成器网络」；在“第20章 深度生成模型”中用于按密度、潜变量、训练目标、采样和评估比较生成模型，需要连接原版范围、计算状态、独立证据和不适用边界。
- 变分自编码器
检索键 dlt-X 对应目录坐标「20·10·3 变分自编码器」；在“第20章 深度生成模型”中用于沿时间展开状态、输入依赖、门控和梯度传播，需要连接原版范围、计算状态、独立证据和不适用边界。
- 生成式对抗网络
检索键 dlt-Y 对应目录坐标「20·10·4 生成式对抗网络」；在“第20章 深度生成模型”中用于按密度、潜变量、训练目标、采样和评估比较生成模型，需要连接原版范围、计算状态、独立证据和不适用边界。
- 生成矩匹配网络
检索键 dlt-Z 对应目录坐标「20·10·5 生成矩匹配网络」；在“第20章 深度生成模型”中用于按密度、潜变量、训练目标、采样和评估比较生成模型，需要连接原版范围、计算状态、独立证据和不适用边界。
- 卷积生成网络
检索键 dlt-AA 对应目录坐标「20·10·6 卷积生成网络」；在“第20章 深度生成模型”中用于推导局部连接、共享参数和空间输出shape，需要连接原版范围、计算状态、独立证据和不适用边界。
- 自回归网络
检索键 dlt-AB 对应目录坐标「20·10·7 自回归网络」；在“第20章 深度生成模型”中用于按密度、潜变量、训练目标、采样和评估比较生成模型，需要连接原版范围、计算状态、独立证据和不适用边界。
- 线性自回归网络
检索键 dlt-AC 对应目录坐标「20·10·8 线性自回归网络」；在“第20章 深度生成模型”中用于按密度、潜变量、训练目标、采样和评估比较生成模型，需要连接原版范围、计算状态、独立证据和不适用边界。
- 神经自回归网络
检索键 dlt-AD 对应目录坐标「20·10·9 神经自回归网络」；在“第20章 深度生成模型”中用于按密度、潜变量、训练目标、采样和评估比较生成模型，需要连接原版范围、计算状态、独立证据和不适用边界。
- NADE
检索键 dlt-AE 对应目录坐标「20·10·10 NADE」；在“第20章 深度生成模型”中用于按密度、潜变量、训练目标、采样和评估比较生成模型，需要连接原版范围、计算状态、独立证据和不适用边界。
- 从自编码器采样
检索键 dlt-AF 对应目录坐标「20·11 从自编码器采样」；在“第20章 深度生成模型”中用于沿时间展开状态、输入依赖、门控和梯度传播，需要连接原版范围、计算状态、独立证据和不适用边界。
- 与任意去噪自编码器相关的马尔可夫链
检索键 dlt-AG 对应目录坐标「20·11·1 与任意去噪自编码器相关的马尔可夫链」；在“第20章 深度生成模型”中用于沿时间展开状态、输入依赖、门控和梯度传播，需要连接原版范围、计算状态、独立证据和不适用边界。
- 夹合与条件采样
检索键 dlt-AH 对应目录坐标「20·11·2 夹合与条件采样」；在“第20章 深度生成模型”中用于把“夹合与条件采样”放进能量、潜变量、对抗与自回归生成的章专属计算链，需要连接原版范围、计算状态、独立证据和不适用边界。
- 回退训练过程
检索键 dlt-AI 对应目录坐标「20·11·3 回退训练过程」；在“第20章 深度生成模型”中用于把“回退训练过程”放进能量、潜变量、对抗与自回归生成的章专属计算链，需要连接原版范围、计算状态、独立证据和不适用边界。
- 生成随机网络
检索键 dlt-AJ 对应目录坐标「20·12 生成随机网络」；在“第20章 深度生成模型”中用于按密度、潜变量、训练目标、采样和评估比较生成模型，需要连接原版范围、计算状态、独立证据和不适用边界。
- 判别性GSN
检索键 dlt-AK 对应目录坐标「20·12·1 判别性GSN」；在“第20章 深度生成模型”中用于按密度、潜变量、训练目标、采样和评估比较生成模型，需要连接原版范围、计算状态、独立证据和不适用边界。
- 其他生成方案
检索键 dlt-AL 对应目录坐标「20·13 其他生成方案」；在“第20章 深度生成模型”中用于按密度、潜变量、训练目标、采样和评估比较生成模型，需要连接原版范围、计算状态、独立证据和不适用边界。
- 评估生成模型
检索键 dlt-AM 对应目录坐标「20·14 评估生成模型」；在“第20章 深度生成模型”中用于按密度、潜变量、训练目标、采样和评估比较生成模型，需要连接原版范围、计算状态、独立证据和不适用边界。
- 结论
检索键 dlt-AN 对应目录坐标「20·15 结论」；在“第20章 深度生成模型”中用于把“结论”放进能量、潜变量、对抗与自回归生成的章专属计算链，需要连接原版范围、计算状态、独立证据和不适用边界。