原文：Variational Inference with Normalizing Flows
https://blog.csdn.net/daydayjump/article/details/81740461
贝叶斯公式如下：
贝叶斯公式.png
x : 观察得到的数据（结果）
θ : 决定数据分布的参数（原因）
p(θ|x) : posterior
p(θ) : prior
p(x|θ) : likelihood
p(x) : evidence
变分推断（variational inference），简单来说就是用来计算后验分布（posterior distribution）P(Z|X)的。 通过假设一个分布q(z|λ)，优化λ，使得q(z|λ)靠近p(z|x)。也就是用一个简单的分布来拟合一个复杂的分布。而且把问题转化为优化λ的问题。
