这几天时间自己把TensorFlow Probability里面的几个例子过了一遍，希望以后可以做出一些深度学习与概率论结合的成果。

今天我试着用TensorFlow Probability把条件VAE实现一下。这个条件VAE通过控制传统VAE中的正态分布的均值来达到分类生成的效果，这样每个类别都有一个专属均值，可以通过这个专属均值来生成与此类相似的结果。

以后这篇文章就来记录tensorflow中遇到的问题与解决方式。

要搞个人脸识别的应用，花了半天时间浏览一下，准备基于open face的模型来做移植。下面是对开源库face-recognition的使用指南进行一个翻译，看了一下基本知道了大致流程。不过我记得上次写过L softmx -> A softmx -> AM softmax的这些loss都是用在人脸识别里面的，但是如果基于softmax loss的话，每加一个人脸不都是要重新训练一波吗？不知道是不是这个情况，目前还没看到别的方式。

本文是对苏剑林的深度学习的互信息：无监督提取特征的学习总结,主要是关于Deep INFOMAX的论文复现.

树莓派真的太不人性化了，新的系统永远都是默认不开启串口登陆以及ssh-server的，每次接个显示器不是很累吗？这次我先配好一个，记录一下。

最近一周系统的看下概率论的东西，把公式都看了下，这次重新对VAE做一个直观的推导，我这里就不说VAE为什么要这么做(水平不够)，只说他是怎么做的。

Tensorflow 概率模型学习，代码运行于Tensorflow 1.14，文字半机器翻译。

Tensorflow 概率模型学习，代码运行于Tensorflow 1.14，文字半机器翻译。

Tensorflow 概率模型学习，代码运行于Tensorflow 1.14，文字半机器翻译。

新到了个服务器,为了在Windows下面也可以交叉编译,再配合vscode远程功能,美滋滋.但是很快我发现了一个问题,我们的网络配置如下: