自編碼器：
這個應用其實很學術化，為了去燥而去燥。
因為訓練樣本是有雜訊的影象。目標樣本是沒有雜訊的影象。試想一下，怎麼去找這個影象呀？？？
模型：編碼器 + 解碼器
編碼器：輸入有雜訊的影象，最後編碼為多個特徵圖（7*7*32）；
解碼器：輸入為編碼器的輸出（7*7*32），輸出為原圖大小（28 * 28 * 1））；
損失函式：將解碼器的輸出和無雜訊的原始影象，進行binary_crossentropy
【其實，當做乙個逐點分類的思維來考慮的。】
【這個可以參考分割的思路來做。】
這個訓練也很快，可以直接開搞。
深度自編碼器python實現
深度自編碼器的原理上一節已經講過，這次我們來看一下它的python 實現，這是基於mnist的自編碼實現。from future import division,print function,absolute import import tensorflow as tf import numpy a...
自編碼與變分自編碼
神經網路的本質是資訊壓縮特徵提取，神經網路公式h w x 做內積，所以神經網路是個相關性判斷 研究ai頂級公司研究損失。無監督學習是在沒有資料標籤的情況下，尋找資料特徵。但是無監督學習的標籤是自身，自監督學習，是無監督學習的一種特殊情況，他是將資料切分n塊，然後用各個塊來 其他塊。弱監督學習，是將無...
自編碼演算法
自編碼神經網路是一種無監督學習演算法，它使用了反向傳播演算法，並讓目標值等於輸入值，它是一種盡可能復現輸入訊號的神經網路。為了實現這種復現，自動編碼器就必須捕捉可以代表輸入資料的最重要的因素，就像pca那樣，找到可以代表原資訊的主要成分。一 autoencoder演算法的思路 1 給定無標籤資料，用...