# 基于流的深度生成模型

- 原标题：Flow-based Deep Generative Models
- 类型：博客
- 来源：Lilian Weng 博客
- 发布时间：未知（待核验）
- 首次精选：2026-10-29 23:09
- 分级：值得看
- 学习层级：深入
- 主题：[diffusion-image-generation](<https://oplearnx.com/md/topics/diffusion-image-generation.md>)（第 3 位）、[neural-model-foundations](<https://oplearnx.com/md/topics/neural-model-foundations.md>)（第 33 位）
- 原文链接：[https://lilianweng.github.io/posts/2018-10-13-flow-models](<https://lilianweng.github.io/posts/2018-10-13-flow-models>)
- 本站页面：[https://oplearnx.com/resources/pk\_4d7e3a7dcbbe](<https://oplearnx.com/resources/pk_4d7e3a7dcbbe>)

## 摘要

Lil'Log 博客关于流模型（flow-based generative models）的文章。先对比 GAN、VAE 与流模型的区别，回顾雅可比矩阵、行列式与变量变换定理，再介绍归一化流（Normalizing Flows）及 RealNVP、NICE、Glow，以及基于自回归流的 MADE、PixelRNN、WaveNet、掩码/逆自回归流，最后提到 VAE \+ Flows 的组合。

---
来源：LearnMap · 学径（https://oplearnx.com）