Tensorflow实现自动编码器

最近在帮助师兄完成毕设，涉及到了tensorflow和机器学习的知识，下面的代码描述了自动编码器编码解码的过程；同时，实现了模型的保存和数据替换的过程。首先，利用true.txt中的数据进行模型的训练，然后在利用false的数据进行测试，比较两次cost的差值。具体代码如下：

"""
Created on Wed Jan 23 12:29:56 2019

@author: 肖俊怡
"""



import tensorflow as tf
#import matplotlib.pyplot as plt
import numpy as np

#from tensorflow.examples.tutorials.mnist import input_data
#mnist = input_data.read_data_sets("MNIST_data/", one_hot=False)

train_data = np.loadtxt("true.txt")
#train_label = np.loadtxt("true.txt")
test_data = np.loadtxt("true.txt")
#test_label = np.loadtxt("true.txt")
#test_xs = np.ones((test_data.shape[0],28*28))
#test_ys = np.ones((test_data.shape[0],2))
#test_ys = test_label


#学习率决定了参数移动到最优值的速度快慢
learning_rate = 0.01
#指数据集中每一个样本都跑过一遍
training_epochs = 1
#每次选取的样本个数
batch_size = 200

display_step = 1
n_input = 18
#分配必要的内存，占位；类型：float；行数不定，列数为784
X = tf.placeholder("float", [None, n_input])
 
n_hidden_1 = 16
n_hidden_2 = 8
n_hidden_3 = 4
n_hidden_4 = 2
#设置权重值，并存入字典#从截断的正态分布中输出随机值
weights = {
    'encoder_h1': tf.Variable(tf.truncated_normal([n_input, n_hidden_1],)),
    'encoder_h2': tf.Variable(tf.truncated_normal([n_hidden_1, n_hidden_2],)),
    'encoder_h3': tf.Variable(tf.truncated_normal([n_hidden_2, n