在自编码网络中使用线性解码器对MNIST数据特征进行再压缩,并将其映射到直角坐标系上。
这里使用4层逐渐压缩将784维度分别压缩成256、64、16、2这四个特征向量。
1.引入图文件,定义学习参数变量
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("/data/", one_hot = True)
#定义学习率
learning_rate = 0.01
#隐藏层设置
n_hidden_1 = 256
n_hidden_2 = 64
n_hidden_3 = 16
n_hidden_4 = 2
n_input = 784
#定义输入占位符
x = tf.placeholder("float", [None, n_input])
y = x
weights = {
'encoder_h1':tf.Variable(tf.random_normal([n_input, n_hidden_1],)),
'encoder_h2':tf.Variable(tf.random_normal([n_hidden_1, n_hidden_2], )),
'encoder_h3':tf.Variable(tf.random_normal([n_hidden_2, n_hidden_3], )),
'encoder_h4':tf.Variable(tf.random_normal([n_hidden_3, n_hidden_4], )),
'decoder_h1