目录
自编码器的定义与原理
自编码器简介
Encoder:将图片编码并压缩成向量
Decoder:由压缩的向量重建图片
编码器:输入图片生成向量
生成器:输入向量生成图片
自编码器是一种神经网络,它的输入和输出是一致的,目标是使用稀疏的高阶特征重新组合来重构自己。
自动编码器是一种数据的压缩算法,其中数据的压缩和解压缩函数是数据相关的、有损的、从样本中自动学习的。
在大部分提到自动编码器的场合,压缩和解压缩的函数是通过神经网络实现的。
自编码器的特点:
- 自动编码器是数据相关的,这意味着自动编码器只能压缩那些与训练数据类似的数据。
- 自动编码器是有损的,与无损压缩算法不同。
- 自动编码器是从数据样本中自动学习
; 自编码器的设计
主要内容:
- 搭建编码器
- 搭建解码器
- 设定损失函数
自编码的网络架构如图所示
自编码器的应用
- 数据去噪
- 降维
- 图像生成
图像生成时输入的向量不能是一个随机的向量,必须是经过Encode得到的一个向量,如果给一个随机的向量,则生出的图片是杂乱的图像。
问题:能够给生成器随机的向量,可以得到一些随机的图片呢?
回答:变分自编码器
; 变分自编码器(VAE)
变分编码器可以随机生成隐含变量
提高网络的泛化能力,比普通的自动编码器要好
缺点就是生成的图片会有点模糊
生成器:随机的正态分布的变量可生成较好的图片
损失函数构造考虑问题:
- 输入输出图像要尽可能的相似
- 中间生成的向量要尽可能服从正态分布
Original: https://blog.csdn.net/u010746566/article/details/125919880
Author: imjackjia
Title: 自编码器概念
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/650901/
转载文章受原作者版权保护。转载请注明原作者出处!