**：
棧式自編碼器就是多個自編碼器級聯。
棧式自編碼器的訓練過程是，n個ae按順序訓練，第1個ae訓練完成後，將其編碼器的輸出作為第2個ae的輸入，以此類推。
最後得到的特徵作為分類器的輸入，完成最終的分類訓練。如下四幅圖所示：
結果：
在逐層訓練結束後，還需要乙個微調過程(fine tuning)。大意如下：逐層訓練後，每層ae的權重和softmax分類層的權重已經有乙個pretrain的值，此時，我們再將整個網路連線起來，用資料進行一次訓練，讓每層的權重引數同時得到改善。
最後將多個encoder拼接。
這個應該可以比較好地說明，棧式是一一分別訓練然後拼接的。
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...
自編碼器簡介
autoencoder，中文譯名自編碼器。主要用於特徵提取，可以理解為一種基於神經網路的壓縮 降維演算法，和pca等類似。自編碼器為一種有損壓縮演算法，通過壓縮 編碼 獲得資料等抽象特徵，並可以通過解壓縮 解碼 將抽象特徵盡可能地還原成原始資料。因此，根據原ppt中對自編碼器 學習使用者高度抽象的特...
了解自編碼器
1.什麼是自編碼器？自動編碼器是一種無監督的機器學習演算法，該演算法將影象作為輸入並使用較少的位數來重建它。這聽起來像是影象壓縮，但是自動編碼器和通用影象壓縮演算法之間的最大區別在於，在自動編碼器的情況下，壓縮是通過學習訓練資料集來實現的。當影象類似於所使用的訓練集時，雖然可以實現合理的壓縮，但是自...