PT深度学习4 自动编码器幻灯片.pptx

深度学习(4) ----自动编码器回顾目录深度学习是什么？监督学习卷积神经网络序列建模：RNN 及其扩展非监督学习自动编码器堆叠去噪自动编码器增强学习深度增强学习两个应用实例：Playing Atari Alpha Go非监督学习自动编码器自动编码器Demo（1）堆叠去噪自动编码器去噪自动编码器Demo（2）自动编码器神经网络可以被看作携带信息的数据结构描述神经网络的常见方法：近似一些想建模的函数前言自动编码器：给定一个神经网络，假设其输出与输入时相同的，训练调整其参数，得到每一层的权重。自动编码器是一种尽可能复现输入信号的神经网络。实际上，自编码器是通过去最小化target和input的差别来进行优化。给定无标签数据，用于非监督学习学习特征自动编码器给定无标签数据，用于非监督学习学习特征自动编码器无标签数据误差的来源：重构后与原输入相比得到。自动编码器逐层训练：通过编码器产生特征，然后训练下一层。自动编码器Pyhon编码实现：工具说明TensorFlow1.1.0数据：MNIST手写数据集Demo1：一个简单的自动编码器数据：MNIST手写数据集加载数据指定hidden_units大小：hidden_units越小，损失的信息越多。构建模型输入层隐藏层输出层构建模型损失函数优化函数构建模型损失函数优化函数构建模型训练方式：TensorFlow中的Graph训练模型训练方式：Te