PyTorch学习（十一）encoded，decoded

本节主要介绍自编码的相关内容。

区别于以前内容的是，自编码过程并不需要标签。只需要数据集即可。

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



# 参数 
EPOCH = 10
BATCH_SIZE = 64
LR = 0.005         
DOWNLOAD_MNIST = True#true表示已经下载，
N_TEST_IMG = 5#

# train_data：下载的所有的数据  
train_data = torchvision.datasets.MNIST(
    root='./mnist/',
    train=True,                                     
    transform=torchvision.transforms.ToTensor(),    
                                                   
    download=DOWNLOAD_MNIST,                        
)

#train_loader数据分份，每组BATCH_SIZE个
train_loader = Data.DataLoader(dataset=train_data, batch_size=BATCH_SIZE, shuffle=True)

#本节不用定义test_data，因为只需要生成的data与train——data对比

class AutoEncoder(nn.Module):
    def __init__(self):
        super(AutoEncoder, self).__init__()

        self.encoder = nn.Sequential(
            nn.Linear(28*28, 128),
            nn.Tanh(),
            nn.Linear(128, 64),
            nn.Tanh(),
            nn