Pytorch中的自編碼(autoencoder)

本文資料來源：https://www.bilibili.com/video/av15997678/?p=25

什么是自編碼

先壓縮原數據、提取出最有代表性的信息。然后處理后再進行解壓。減少處理壓力

通過對比白色X和黑色X的區別(cost函數)，從而不斷提升自編碼模型的能力（也就是還原的准確度）

由於這里只是使用了數據本身，沒有使用label，所以可以說autoencoder是一種無監督學習模型。

實際在使用中，我們先訓練好一個autoencoder模型，然后只取用其前一半，來獲取到壓縮了的特征進行其他的訓練，以達到壓縮特征的目的。

自編碼可以達到類似於PCA的效果

自編碼in Pytorch

• encoder

• decoder

  

• 連接成網絡

• 設置優化器和損失函數

  autoencoder=AutoEncoder()
  optimizer=torch.optim.Adam(autoencoder.parameters(),lr=LR)
  loss_func=mm.MSELoss()
  

• 搭建網絡，傳入數據

這里的y是壓縮之前的數據，用來在loss function中和decoded對比的

• 設置輸出