【Pytorch】自编码器

自编码器最初被提出用于高维复杂数据的降维。自编码器是一种无监督学习算法，使用反向传播，训练目标是让目标值等于输入值。
自编码器的结构如下：
输入 -> 编码器 -> 嵌入 -> 解码器 -> 输出
输入数据经过编码压缩得到低维度向量，这个部分称为编码器，因为它产生了低维度嵌入或编码。网络的第二部分不同于在前向神经网络中把嵌入映射为输出标签，而是把编码器逆化，重建原始输入，这个部分称为解码器。
自编码器是无监督学习方法，目标输出就是其输入。能够用于数据压缩和恢复，还可以用于数据的去噪。