1. 基本概念

輸入 neural network 的除 $x$ 以外，還有一個從某一簡單的（已知）分布中隨機採樣得到的一個 random 的 variable，其中這個 neural network 就是 generator

使用的 simple distribution 如：Gaussian distribution、Uniform distribution 等等

方法：

• $x,z$ 兩個向量直接接起來，變成一個比較長的向量作為 network 的 input
• $x$ 跟 $z$ 長度一樣，直接相加以後做為 network 的 input

注意：

從 network 輸出的也將是一個分布

目的是希望模型的輸出是 creative，如繪畫、聊天機器人等等

2. Generative Adversarial Network**（GAN）**

2.1 Unconditional Generation

不考慮 $x$，只先單純考慮從 simple distribution 採樣出來的 $z$

$z$ 是從一個 normal distribution 裡 sample 出來的向量，通常會是一個 low-dimensional 的向量，而一張圖片就是一個非常高維的向量，所以 generator 實際上做的事情就是產生一個非常高維的向量，當輸入的向量不同（不同的 $z$），輸出就會跟著改變

注意：