Pytorch AutoEncoder 自编码 全部源代码复现

本文介绍了使用PyTorch实现自编码器的详细过程,并提供了全部源代码,通过3D画图展示模型的效果,帮助理解自编码神经网络的工作原理。

PyTorch 自编码的实现:

下面是显示效果,感觉还是可以的,最起码该出现的都出现了!

在这里插入图片描述

import torch
import torch.nn as nn
import torch.utils.data as Data
import torchvision
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from matplotlib import cm
from torch.autograd import Variable
import numpy as np

# 超参数定义
Epoch = 10
Batch_size = 100
LR = 0.005
Downloads_MNIST = False
N_Test_img = 5  # 测试图片的显示效果,5张为一批

train_data = torchvision.datasets.MNIST(
    root=r'./mnist_data/',
    train=True,
    transform=torchvision.transforms.ToTensor(),
    download=Downloads_MNIST
)
print(train_data.train_data.size())

train_loader = Data.DataLoader(dataset=train_data, batch_size=Batch_size, shuffle=True)


class AutoEncoder(nn.Module):
    def __init__(self):
        super(AutoEncoder, self).__init__()
        # 定义编码网络
        self.encoder = nn.Sequential(
            nn.Linear(28 *
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值