生成式 AI 使用各种机器学习算法，从数据中学习要素，使机器能够创建全新的数字视频、图像、文本、音频或代码等内容。生成式 AI 技术在近两年取得了重大突破，产生了全球性的影响。它的发展离不开近年来生成式深度学习大模型的突破。与一般意义上可视为“黑盒”的深度神经网络不同，生成式深度学习模型是建立在数学基础上的概率模型，严谨和完善的数学基础是深度生成模型的一大魅力。
本书对当前主流的三大深度生成模型（变分自编码器 VAE，生成对抗网络 GAN，扩散模型 Diffusion Models）的数学原理进行了详细推导，旨在帮助读者从原理上深入理解它们。本书的重点在于理解各种模型的数学原理，对于各种网络结构创新的工作并没有归纳在内。
书籍：《生成式深度学习的数学原理》
GitHub 开源地址：https://github.com/lmn-ning/AIGC 希望大家能够顺手在 GitHub 上点个 star 呀 ~
书籍目录：
版权声明：本文为博主作者：ctrl A_ctrl C_ctrl V原创文章，版权归属原作者，如果侵权，请联系我们删除！
原文链接：https://blog.csdn.net/qq_43799400/article/details/131917247
