AutoEncoder（自编码：以Mnist数据集为例）

最新推荐文章于 2025-05-24 15:12:56 发布

SinGaln

最新推荐文章于 2025-05-24 15:12:56 发布

阅读量3.1k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： python编程深度学习（deep learning）文章标签： pytorch;autoencoder;自编码

本文链接：https://blog.youkuaiyun.com/qq_27492735/article/details/95318308

本文通过PyTorch详细介绍了如何构建和训练一个自编码器（AutoEncoder），以MNIST手写数字数据集为例，展示自编码器在数据压缩和特征学习上的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本例以pytorch框架进行实验：

#coding = utf-8
import torch
import torch.nn as nn
import torch.utils.data as Data
import torchvision
import torch.optim as optim
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from matplotlib import cm
import numpy as np
from torch.autograd import Variable

# torch.manual_seed(1)    # reproducible

# Hyper Parameters
EPOCH = 5
BATCH_SIZE = 64
LR = 0.001         # learning rate
DOWNLOAD_MNIST = True
N_TEST_IMG = 5

# Mnist digits dataset
train_data = torchvision.datasets.MNIST(
    root='./mnist_data/',
    train=True,                                     # this is training data
    transform=torchvision.transforms.ToTensor(),    # Converts a PIL.Image or numpy.ndarray to
                                                    # torch.FloatTensor of shape (C x H x W) and normalize in the range [0.0, 1.0]
    download=DOWNLOAD_MNIST,                        # download it if you don't have it
)

# plot one example
# print(train_data