自编码器图像去噪matlab,DenoisingAutoencoder（图像去噪自动编码器）

本文主要介绍使用TensorFlow实现DenoisingAutoencoder(图像去噪自动编码器)。

下面是示例代码：

# 导入相关模块

import numpy as np

import sys

import tensorflow as tf

import matplotlib.pyplot as plt

'''

IPython有一组预定义的“魔术函数”，您可以使用命令行样式语法调用

它们。有两种魔法，一种是线导向(line-oriented)，另一种是单元

导向(cell-oriented)。line magics以%字符作为前缀，其工作方式

与操作系统命令行调用非常相似:它们作用于整行,line magics可以返

回结果，也可以进行赋值使用；cell magics是以%%开头，它需要出现

在单元的第一行，而且是作用于整个单元。

使用此方法时，绘制命令的输出将在前端显示，就像Jupyter笔记本一样

，直接显示在生成命令的代码单元格的下方，生成的绘图也将存储在笔记

本文档中。不过这个方法好像只适用于Jupyter notebook和Jupyter

QtConsole。

'''

%matplotlib inline

# 导入数据集

from tensorflow.examples.tutorials.mnist import input_data

mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)

inputs_ = tf.placeholder(tf.float32, [None, 28, 28, 1])

targets_ = tf.placeholder(tf.float32, [None, 28, 28, 1])

def lrelu(x, alpha=0.1):

return tf.maximum(alpha * x, x)

### Encoder

with tf.name_scope('en-convolutions'):

conv1 = tf.layers.conv2d(inputs_, filters=32,

kernel_size=(3, 3),

strides