Exemplu de învățare profundă TensorFlow Autoencoder - Guru99
Ce este un codificator automat?
Un autocoder este un instrument excelent pentru recrearea unei intrări. Într-un cuvânt simplu, aparatul ia, să zicem, o imagine și poate produce o imagine strâns legată. Intrarea în acest tip de rețea neuronală este nemarcată, ceea ce înseamnă că rețeaua este capabilă de învățare nesupravegheată. Mai precis, intrarea este codificată în rețea pentru a se concentra doar pe cea mai critică caracteristică. Acesta este unul dintre motivele pentru care codificatorul automat este popular pentru reducerea dimensionalității. În plus, autocodificatoarele pot fi folosite pentru a produce modele de învățare generative. De exemplu, rețeaua neuronală poate fi antrenată cu un set de fețe și apoi poate produce fețe noi.
În acest tutorial, veți învăța:
Cum funcționează codificatorul automat?
Scopul unui autocoder este de a produce o aproximare a intrării concentrându-se doar pe caracteristicile esențiale. S-ar putea să vă gândiți de ce să nu învățați cum să copiați și să inserați intrarea pentru a produce rezultatul. De fapt, un autocoder este un set de constrângeri care forțează rețeaua să învețe noi modalități de reprezentare a datelor, altele decât simpla copiere a ieșirii.
Un autocoder tipic este definit cu o intrare, o reprezentare internă și o ieșire (o aproximare a intrării). Învățarea are loc în straturile legate de reprezentarea internă. De fapt, există două blocuri principale de straturi care arată ca o rețea neuronală tradițională. O mică diferență este că stratul care conține ieșirea trebuie să fie egal cu intrarea. În imaginea de mai jos, intrarea originală intră în primul bloc numit codificator. Această reprezentare internă comprimă (reduce) dimensiunea intrării. În al doilea bloc are loc reconstrucția intrării. Aceasta este faza de decodare.
Modelul va actualiza greutățile minimizând funcția de pierdere. Modelul este penalizat dacă ieșirea de reconstrucție este diferită de intrare.