PyTorch学习（13）——自编码（AutoEncoder）

最新推荐文章于 2025-04-02 19:30:00 发布

cchangcs

最新推荐文章于 2025-04-02 19:30:00 发布

阅读量7.9k

点赞数 2

分类专栏： Keras/TensorFlow/PyTorch学习与实战文章标签： PyTorch 自编码 AutoEncoder

本文链接：https://blog.csdn.net/github_39611196/article/details/82658402

版权

Keras/TensorFlow/PyTorch学习与实战专栏收录该内容

61 篇文章 ¥19.90 ¥99.00

订阅专栏

本文详细介绍了使用PyTorch实现自编码器（AutoEncoder）进行非监督学习的过程，并展示了训练过程中损失函数随迭代次数的变化情况。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本篇博客主要介绍PyTorch中的自编码（AutoEncoder），并使用自编码来实现非监督学习。

示例代码：

import torch
import torch.nn as nn
import torch.utils.data as Data
import torchvision
from torch.autograd import Variable
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from matplotlib import cm
import numpy as np

# 超参数
EPOCH = 10
BATCH_SIZE = 64
LR = 0.005
DOWNLOAD_MNIST = False
N_TEST_IMG = 5

# 下载MNIST数据
train_data = torchvision.datasets.MNIST(
    root='./mnist/',
    train=True,
    transform=torchvision.transforms.ToTensor(),
    download=DOWNLOAD_MNIST,
)

# 输出一个样本
# print(train_data.train_data.size())
# print(train_data.train_labels.size

了解本专栏