引言 前面三篇文章介紹了變分推斷（variational inference），這篇文章將要介紹變分自編碼器，但是在介紹變分自編碼器前，我們先來了解一下傳統的自編碼器。 自編碼器 自編碼器（autoencoder）屬於無監督學習模型（unsupervised learning ...

　　神經網絡就是一種特殊的自編碼器，區別在於自編碼器的輸出和輸入是相同的，是一個自監督的過程，通過訓練自編碼器，得到每一層中的權重參數，自然地我們就得到了輸入x的不同的表示（每一層代表一種）這些就是特征，自動編碼器就是一種盡可能復現原數據的神經網絡。 　　“自編碼”是一種 ...

自編碼器論文的提出是為了神經網絡權重更好的初始化，他將多層網絡一層一層的通過自編碼器確定初始權重，最終再對模型進行權重訓練； 這種初始化權重的方式目前已經不是主流，但他的思路可以借鑒到很多場景； 模型簡介 自編碼器，AutoEncode，它分為兩部分，前一部分是編碼器，后一部分是解碼器 ...

今天我們會來聊聊用神經網絡如何進行非監督形式的學習. 也就是 autoencoder, 自編碼. 壓縮與解壓 有一個神經網絡, 它在做的事情是 接收一張圖片, 然后 給它打碼, 最后 再從打碼后的圖片中還原. 太抽象啦? 行, 我們再具體點. 假設剛剛那個神經網絡是這樣, 對應上剛剛 ...

注意：代碼源自[1][2] [1] 黃文堅.TensorFlow實戰.北京：電子工業出版社 [2] https://blog.csdn.net/qq_37608890/arti ...

一、自編碼器：降維【無監督學習】 PCA簡介：【線性】原矩陣乘以過渡矩陣W得到新的矩陣，原矩陣和新矩陣是同樣的東西，只是通過W換基。 自編碼： 自動編碼器是一種無監督的神經網絡模型，它可以學習到輸入數據的隱含特征，這稱為編碼(coding)，同時用學習到的新特征可以重構出原始輸入 ...

自監督模型 訓練一個ae的encoder，就能把code和object對應起來，獲得code。給定一個code，decoder就能輸出對應的object。 Autoencoder存在什么問題? 　　因為作為訓練數據的object是有限的，導致decoder ...

概述 在討論變分自編碼器前，我覺得有必要先討論清楚它與自編碼器的區別是什么，它究竟是干什么用的。否則看了一堆公式也不知道變分自編碼器究竟有什么用。 眾所周知，自編碼器是一種數據壓縮方式，它把一個數據點\(x\)有損編碼為低維的隱向量\(z\)，通過\(z\)可以解碼重構回\(x\)。這是一個 ...