深入浅出理解变分自编码器VAE的详解教程(第二部分)

        最后，人们在实际中使用发现，VAE会生成一些模糊的图像，这些模糊性可能是一部分因为我们使用的度量是KL-散度造成的。回想在KL-散度中的分析，要想使得降的很低，则需要：

1）在高概率的地方，要求;

2）然而在很低的地方，并没有对作约束，因而可以很高。

        由此，我们在测试的时候可能会采样出来那些使得具有很高概率的隐向量，但是由于这些隐向量在编码器下的概率很低，因此在训练阶段，并没有很好地拟合过这些隐向量，因而模型可能只是以任意的方式在做插值，从而出现模糊现象。

CVAE（TODO）