tensorflow实现自编码器——数据复原

最新推荐文章于 2023-07-08 11:48:48 发布

ksy_e

最新推荐文章于 2023-07-08 11:48:48 发布

阅读量1k

点赞数

分类专栏：机器学习深度学习

本文链接：https://blog.csdn.net/kunshanyuZ/article/details/79051375

版权

该博客介绍了如何利用TensorFlow构建一个去噪自编码器，以对MNIST数据进行复原。自编码器是一种无监督学习算法，其目标是通过提取数据的高阶特征来实现数据的复原。博客详细展示了如何定义网络结构、参数初始化、训练过程以及损失函数的计算。

摘要由CSDN通过智能技术生成

'''
——————————tensorflow实现去噪自编码器对MINIST数据复原——————————
模块版本：tensorflow 1.4.0
                 Python 3.5
自编码器(DBN)：一种无监督学习算法，目的不是聚类，
    而是通过提取数据的高阶特征，对数据进行复原
'''




import numpy as np
import sklearn.preprocessing as prep
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data


## Xavier 函数是让网络的权重初始化的值刚好，不大不小，使得在后续的训练不会衰减或者发散。
##fin_in, fin_out 是输入输出节点的数量
def xavier_init(fan_in,fan_out,constant=1):
	low = -constant * np.sqrt(6.0/(fan_in + fan_out))
	high = constant * np.sqrt(6.0/(fan_in + fan_out))
	return tf.random_uniform((fan_in,fan_out),
                             minval = low,maxval=high,dtype=tf.float32)




#参数说明：
##n_input：输入节点数
##n_hidden：隐含层节点数
##transfer_function：隐含层激活函数，默认是softplus
##optimizer:优化算法，默认是Adam
##scale:高斯噪声系数，默认是0.1
##_initialize_weights是参数初始化函数
c