深度学习入门:用MNIST完成Autoencoder
Autoencoder基本是Deep Learning最经典的东西,也是入门的必经之路。Autoencoder是一种数据的压缩算法,其中数据的压缩和解压缩函数必须是数据相关的,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。 在这里,我来给大家完成一个MNIST数据集的Autoencoder 首先下载MNIST数据,在这里友情提醒一下,MNIST的数据集因为某些原因,下载速度非常的慢,在这里推荐去THE MNIST DATABASE下载。下载完成后建一个MNIST_data的文件夹,放进去。 在这里提一下,为什么我们要将图片设置为28*28? 28*28的特征图大小可以防止输入的连接掉到边界之外,不导致梯度损失。 大家觉得自编码器可以在没有标签的时候学习到数据的有用表达。但是,自编码器并不是