9、自编码器的数据表示：原理、实践与应用

自编码器的数据表示：原理、实践与应用

1. 去噪自编码器的设置

1.1 环境初始化

首先，重置图并启动一个交互式会话：

import tensorflow as tf
tf.reset_default_graph()
sess = tf.InteractiveSession()

1.2 定义占位符

定义输入信号和损坏信号的两个占位符：

x = tf.placeholder(tf.float32, shape=[None, img_size_flat], name='x')
x_corrupt = tf.placeholder(tf.float32, shape=[None, img_size_flat], name='x_corrupt')

这里， x_corrupt 将用作自编码器的输入，而 x 是实际图像，将用作输出。

1.3 设置去噪自编码器函数

def denoisingAutoencoder(x, x_corrupt, img_size_flat=2304, hidden_layer=[128, 64], out_img_size=256):
    # 构建编码器
    encoder = []
    n_input = img_size_flat