PyTorch学习 | AutoEncoder (自编码器)

参考：https://mofanpy.com/tutorials/machine-learning/torch/autoencoder/

1. AutoEncoder 简介

即将原数据压缩（Encoder）然后解码（Decoder），我们的目的是让输出尽可能跟输入一样，从而我们压缩保留的就应该是原数据中的精华信息。

感觉和GAN有点类似

2. PyTorch实现

这里我们尝试用MNIST手写数字集合用作输入，Decoder的目的是尽可能的还原原图。
我们中间的维度是3维，为了方便可视化。

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


BATCH_SIZE = 64
LR = 0.005         # learning rate
EPOCH = 10

##########
# 导入数据 #
##########
DOWNLOAD_MNIST = False  # 如果之前没有下载过，要设置为True
train_data = torchvision.datasets.MNIST(
    root='./mnist',
    train=True,                                     # this is training data
    transform=torchvision.transforms.ToTensor(),    # Converts a PIL.Image or numpy.ndarray to
                                                    # torch.FloatTensor of shape (C x H x W) and normalize in the range [0.0, 1.0]
    download=DOWNLOAD_MNIST,                        # download it if you don't have it
)

print(train_data.data.size())     # (60000, 28, 28)
print(train_data.targets.size())   # (60000)
idx = 2 # 选一个数据进行可视化
plt.imshow(train_data.data[idx]