从生物样本中提取大量数据由于辐射问题而不可行，因此在有限数据条件下进行图像处理是面临的一项重要挑战。本研究中，我们应用了一种现有的算法——变分自编码器（Variational Auto Encoder, VAE），该算法通过预训练数据的潜在空间表示来捕捉低维特征，适用于小数据集输入。经过微调的潜在空间提供了稳定的权重，对分类任务具有重要意义。本文将展示在半监督学习中使用CIFAR-10数据集时，不同潜在空间大小下变分自编码器算法的性能分析。