# VAE 潜空间：重参数化、KL 与插值

> 来源：https://deeplearning.bnuai.com/demos/vae-latent ｜ 作者：唐志清（北京师范大学） ｜ 更新：2026-11-01 ｜ 内容依据邱锡鹏《神经网络与深度学习》（https://nndl.ai/）及作者公开课件

> （此处为交互演示，请在网页中使用：https://deeplearning.bnuai.com/demos/vae-latent）

## 观察要点

1. VAE 的损失 = 重构误差 + KL(q(z|x) ‖ p(z))，后者让潜空间规整、便于采样。
2. 重参数化技巧把随机性移到 ε 上，使采样过程可导。
3. 连续、规整的潜空间使插值和随机生成都有意义。

相关章节：[第 13 章 深度生成模型](https://deeplearning.bnuai.com/chapters/13-deep-generative-models)。