早在一年多前就接觸到了自編碼器這個簡單巧妙的深度學習模型，還曾編寫過簡單的基於mnist的自編碼器。但是因為覺得其思想簡單，就扔入**庫中任其生鏽。
一年後的今天，居然因為當初的不求甚解賠付了鉅額罰單。。。
組會偶然收到來自老師的煉丹秘籍，是stanford視覺組的大佬總結的各種奇技淫巧。我看了不免熱血沸騰，似乎找到了煉丹真諦。收縮資料集！先過擬合！然而模型以它堅韌不拔的精神繼續保持其智障觀點 no matter how small the training set is。我佛了。
（以上是隱含層視覺化結果，編碼的是相鄰幀的，可以看出其相似性和區別性都得到了體現）
（以上就是ae的重建效果啦）
research is life, you need to put your heart to it.
申請季加油吧少年！
自編碼器（AutoEncoder
本文講述自編碼器 auto encoder，下文簡稱ae 將按照以下的思路展開講解，力圖使得初學者能看懂其中要義。目錄如下 1.ae的基本原理 2.ae的用途 3.基於mnist資料集的ae的簡單python實現 ae，是神經網路模型的一種，是一種全連線網路模型，而且進行無監督學習，下圖是簡單的ae...
自編碼器（AutoEncoder）
自編碼器主要分為兩步 編碼 encoder 和解碼 decoder 編碼階段主要是將輸入資訊對映到低維度的空間 提取有用的特徵 解碼階段主要是為了還原輸入的結果。其中損失函式l用於度量輸出資訊與輸入資訊偏離的程度 正則自編碼器是在損失函式中加入對模型複雜度的懲罰項 根據損失函式的不同，自編碼器可以分...
DL入門 2 自編碼器 AutoEncoder
寫在前面 看 綜述時，面臨這樣乙個問題 很多dl的方法只是會簡單運用，卻不是特別了解其詳細原理，故針對cnn rnn lstm autoencoder rbm dbn以及dbm分別做一些簡單總結，以達到了解的目的，此篇為autoencoder。2.自編碼器分類 3 損失函式的設計 自動編碼器是一種無...