AutoEncoder 算法与原理和实现

AutoEncoder是深度学习的另外一个重要内容，并且非常有意思，神经网络通过大量数据集，进行end-to-end的训练，不断提高其准确率，而AutoEncoder通过设计encode和decode过程使输入和输出越来越接近，是一种无监督学习过程。
AutoEncoder

Introduction
AutoEncoder包括两个过程：encode和decode，输入图片通过encode进行处理，得到code，再经过decode处理得到输出，有趣的是，我们控制encode的输出维数，就相当于强迫encode过程以低维参数学习高维特征，这导致的结果和PCA类似。
AutoEncoder的目的是使下图中的输入x和输出x_head越相似越好，这就需要在每次输出之后，进行误差反向传播，不断优化。

算法原理连接：http://ufldl.stanford.edu/wiki/index.php/自编码算法与稀疏性
总结：过程和原理都很简单，主要从头实现和一下代码就你呢很高更深的理解。

代码：
https://github.com/xiaorancs/xr-learn/blob/master/deeplearning/autoencoder.py

参考：
https://blog.csdn.net/lwq1026/article/details/78581649