本文是Tensorflow学习Autoencoder系列的第二篇，主要介绍如何使用Autoencoder进行图片降维并还原。通过编码器和解码器，将MNIST数据集的图片特征压缩再解压，对比原始与处理后的图片相似性。实现出的效果显示，第二行图片为经过自动编码器还原的结果。
三篇文章掌握Autoencoder：
1. Tensorflow学习之Autoencoder（一）
2. Tensorflow学习之Autoencoder（二）图片降维并还原图片
3. Tensorflow学习之Autoencoder（三）图片降维的结果展示
实现功能：
用Tensorflow实现Autoencoder，通过对图片特征的压缩并解压，将结果与原始数据进行对比，观察处理过后的数据是不是和原始数据很相像。（这里会用到MNIST数据）
实现代码：
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
# Import MNIST data
from tensorflow.e
最低0.47元/天 解锁文章
扫一扫
2419
到【灌水乐园】发言
