第15章 自編碼器
來源：ApacheCN《Sklearn 與 TensorFlow 機(jī)器學(xué)習(xí)實(shí)用指南》翻譯項(xiàng)目
譯者：@akonwang
校對：@飛龍
自編碼器是能夠在無監(jiān)督的情況下學(xué)習(xí)輸入數(shù)據(jù)（叫做編碼）的人工神經(jīng)網(wǎng)絡(luò)（即叨叙，訓(xùn)練集是未標(biāo)記）啄巧。這些編碼通常具有比輸入數(shù)據(jù)低得多的維度稠氮，使得自編碼器對降維有用（參見第 8 章）思灰。更重要的是康愤，自編碼器可以作為強(qiáng)大的特征檢測器儡循，它們可以用于無監(jiān)督的深度神經(jīng)網(wǎng)絡(luò)預(yù)訓(xùn)練（正如我們在第 11 章中討論過的）。最后征冷，他們能夠隨機(jī)生成與訓(xùn)練數(shù)據(jù)非常相似的新數(shù)據(jù)择膝；這被稱為生成模型。例如资盅，您可以在臉部圖片上訓(xùn)練自編碼器调榄，然后可以生成新臉部。
令人驚訝的是呵扛，自編碼器只需學(xué)習(xí)將輸入復(fù)制到其輸出即可工作每庆。 這聽起來像是一件小事，但我們會看到以各種方式約束網(wǎng)絡(luò)可能會讓它變得相當(dāng)困難今穿。例如缤灵，您可以限制內(nèi)部表示的大小，或者可以向輸入添加噪聲并訓(xùn)練網(wǎng)絡(luò)以恢復(fù)原始輸入蓝晒。這些約束防止自編碼器將輸入直接復(fù)制到輸出腮出，這迫使它學(xué)習(xí)表示數(shù)據(jù)的有效方法。 簡言之芝薇，編碼是自編碼器在某些限制條件下嘗試學(xué)習(xí)恒等函數(shù)的副產(chǎn)品胚嘲。
在本章中，我們將更深入地解釋自編碼器如何工作洛二，可以施加什么類型的約束以及如何使用 TensorFlow 實(shí)現(xiàn)它們馋劈，無論是降維攻锰，特征提取，無監(jiān)督預(yù)訓(xùn)練還是生成模型妓雾。
