【文件属性】：
文件名称：Dimensionality-Reduction-with-Autoencoder:使用自动编码器进行降维和特征提取
文件大小：11.08MB
文件格式：ZIP
更新时间：2021-05-18 11:24:21
feature-extraction dimensionality-reduction autoencoders Python
自动编码器降维
自动编码器可用于特征提取和降维。 它们也可以与受限玻尔兹曼机器结合使用深度学习应用程序，例如“深层信念网络”。
它具有“编码器”和“解码器”两个阶段，“编码器”将逐步压缩输入，在压缩过程中选择最重要的功能。 解码器与编码器相反，它可以尽可能地重新创建输入。
要求
Python 3.6及更高版本
TensorFlow 1.6.0及更高版本
脾气暴躁的
Matplotlib
执行
该实现使用MNIST数据集来重建输入。
由于MNIST图像的形状为28 * 28，因此输入为784。我们的模型将是3层，每层减少特征，并在解码器阶段重建inut，
Encoder Decoder
[784] -> [256] -> [128] -> [64] -> [128] -> [256] -> [784]
此实现的最
【文件预览】：
Dimensionality-Reduction-with-Autoencoder-master
----.gitignore(1KB)
----README.md(1KB)
----LICENSE(1KB)
----MNIST()
--------t10k-images-idx3-ubyte.gz(1.57MB)
--------t10k-labels-idx1-ubyte.gz(4KB)
--------train-images-idx3-ubyte.gz(9.45MB)
--------train-labels-idx1-ubyte.gz(28KB)
----Autoencoder.py(4KB)
----Images()
--------Output.png(22KB)