SJHNJU/Autoencoder

个人练习，自编码器及其变形（理论+实践）

Autoencoder

主要包括自编码器及其变形的理论+实践。

PDF整理

PDF来源于本人的理解+整理，部分图片来源于网上，已有标注，PDF对应博客详见：https://blog.csdn.net/quiet_girl/article/details/84401029 。

因时间原因，代码中epoch设置的较小，实际状况下，肯定要更大。

主要内容

暂时代码包括普通自编码器（Autoencoder.py）、栈式自编码器（StackAutoencoder）、稀疏自编码器（SparseAutoencoder.py）和去噪自编码器（DenoisingAutoencoder.py）的简单实现，代码每一步都有注释。

关于收缩自编码器、变分自编码器、CNN自编码器等后更。

• 基于框架：Keras2.0.4
• 数据集：Mnist

具体设置等请参见代码或者博客

代码运行结果：

1、普通自编码器：

• 简单自动编码器架构图

• Encoder层输出结果可视化

• Autoencoder生成图片和原图片对比

2、栈式自编码器：

• 栈式自动编码器架构图

• Encoder层输出结果可视化

• Stack Autoencoder生成图片和原图片对比

3、稀疏自编码器：

• 稀疏自动编码器架构图

• Encoder层输出结果可视化

• Sparse Autoencoder生成图片和原图片对比

4、去噪自编码器：

• 去噪自动编码器架构图

• Encoder层输出结果可视化

• Denoising Autoencoder原图片和添加噪声后图片对比

• Denoising Autoencoder生成图片和原图片对比

5、卷积自编码器：

• 卷积自动编码器架构图

• Convolutional Autoencoder生成图片和原图片对比

• Convolutional Autoencoder训练accuracy和loss变化图