55、自编码器的多种类型及应用详解

自编码器的多种类型及应用详解

1. 可视化重建结果

为确保自编码器训练得当，可对比输入和输出，二者差异不应过大。以下是绘制验证集中部分图像及其重建图像的代码：

def plot_image(image):
    plt.imshow(image, cmap="binary")
    plt.axis("off")

def show_reconstructions(model, n_images=5):
    reconstructions = model.predict(X_valid[:n_images])
    fig = plt.figure(figsize=(n_images * 1.5, 3))
    for image_index in range(n_images):
        plt.subplot(2, n_images, 1 + image_index)
        plot_image(X_valid[image_index])
        plt.subplot(2, n_images, 1 + n_images + image_index)
        plot_image(reconstructions[image_index])

show_reconstructions(stacked_ae)

重建图像虽可识别，但存在一定信息损失。可能需要延长训练时间、加深编码器和解码器或增大编码层规模。不过，若网络能力过强，可能在未学习到数据有用模式的情况下实现完美重建。目前，我们先使用该模型。

2. 可视化Fashion MNIS