Tensorflow学习之Autoencoder（三）图片降维的结果展示

最新推荐文章于 2023-07-13 23:58:25 发布

原创

最新推荐文章于 2023-07-13 23:58:25 发布 · 4k 阅读

·

2

·

CC 4.0 BY-SA版权

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

文章标签：

#深度学习 #Tensorflow #自编码器 #autoencoder

本文是Tensorflow学习之Autoencoder系列的第三篇，主要展示如何使用自编码器将MNIST数据集的784维图像降维至2维，并通过二维坐标系呈现。实验结果显示，即使降维后，不同类别的数字图像仍能有效区分，证明了自编码器在降维中的应用效果。

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

微信公众号

实现功能：

在自编码器（autoencoder）中有编码器（encoder）和解码器（decoder）。我们只看 encoder 压缩的过程，使用它将一个数据集降维到只有两个Feature时，将数据放入一个二维坐标系内。

思路：

我们只显示 encoder 之后的数据，并画在一个二维直角坐标系内。做法很简单，我们将原有 784 Features 的数据压缩成仅剩 2 Features 的数据。

实

最低0.47元/天解锁文章

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。