深度学习 自动编码器与生成模型
本文介绍自动编码器，目的在于了解自动编码器的工作原理，对两个神经网络协同工作有个初步印象，以便引入后续的GAN对抗神经网络。
·
一、前言
本文介绍自动编码器，目的在于了解自动编码器的工作原理，对两个神经网络协同工作有个初步印象，以便引入后续的GAN对抗神经网络。
二、网络结构
如上图所示，是自动编码器的结构示意图。这是一个神经网络，输入层与输出层拥有相同的节点数量，中间编码层的节点数比较少。
我们也可以将其分为两部分来看：编码器与解码器。可以理解为编码器用于数据压缩、解码器用于数据解压。 x x x是原始数据、 z z z是压缩后的数据、 x ′ x' x′是解压后的数据。
如上图所示，原始数据可以是一张图像，经过编码器后是一组压缩形式的数据，再经过解码器还原成了一张类似原始输入的图像。
我们可以把编码器和解码器看成两个神经网络，编码器输入节点多输出节点少、解码器输入节点少输出节点多。
三、生成模型
我们再来单独看解码器，如下图所示，仅用一组隐含编码，便能生成一张有意义的图像（当然在没经过训练前，大部分情况下生成的图像是无意义的马赛克）。这就是生成模型，用少量输入的隐含编码来生成我们需要的数据。
四、参考资料
《生成对抗网络入门指南》
一站式 AI 云服务平台
更多推荐
0
0- 0
已为社区贡献2条内容
所有评论(0)