【VAE】青春AE女郎不会梦到VAE学姐

AE主要由两部分构成：编码器和解码器。
编码器获取数据样本并将其信息转换为某个向量。解码器将这个向量取出并重新构建输入样本。
那既然都要求编码器的输入和解码器的输出尽量接近了，那这么做到底图啥呢？
原因是，在使用AE时，我们并不关心其输入，而是关心中间的这个latent vector，也就是编码器将输入编码的隐向量，因为这个向量是输入的图片或音频等的潜在表示，且可以被计算机所理解。这个向量的作用在该模型中的作用可能有限，但我们可以将这个向量提供给其他架构来做一些工作。例如

在这篇论文中提出的这个模型，起作用是根据一个人的推文来推断他的位置。
在这个模型中，三个隐藏层就是三个AE，用来表示来自推文的输入文本。然后结果会被传输到两个输出层，其中一个（model 1）用来确定这篇推文是在美国的哪个州被发出的，另一个（model 2）用来估计发推文的用户的经纬度。