在本文中，我们提出了一种“对抗自编码器”（Adversarial Autoencoder, AAE），这是一种概率自编码器，利用最近提出的生成对抗网络（Generative Adversarial Networks, GAN）来通过匹配自编码器隐藏代码向量的聚合后验分布与任意先验分布来进行变分推断。将聚合后验分布与先验分布匹配确保了从先验空间的任何部分生成样本都能产生有意义的结果。因此，对抗自编码器的解码器学习到了一个深度生成模型，该模型将所施加的先验映射到数据分布上。我们展示了如何在半监督分类、图像风格与内容分离、无监督聚类、降维和数据可视化等应用中使用对抗自编码器。我们在MNIST、Street View House Numbers 和多伦多面部数据集上进行了实验，并证明了对抗自编码器在生成建模和半监督分类任务中取得了具有竞争力的结果。