知识卡片
去噪自编码器重建干净输入
去噪自编码器先人为扰动原始样本,以带噪样本为输入、干净样本为重建目标训练编码器和解码器。与直接复制输入相比,模型必须学习根据可用信息恢复受损内容;所得效果依赖扰动类型及训练分布。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 自编码器 11.3 去噪自编码器 · 查看原书依据
我们现在还原的不是编码器的输入,输入编码器的图片是有噪声的,我们要还原的是加入噪声之前的图片. 所以现在的编码器和解码器除了要完成还原图片这项任务以外,还必须自己学会把噪声去掉. 编码器看到的是有噪声的图片,但解码器要还原的是没有加噪声的图片,所以编码器和解码器必须联手才能把噪声去掉,只有这样也才能把去噪自编码器训练出来.
参考来源
- 位置:《深度学习详解》第11章《自编码器》11.3 去噪自编码器(来源项目 book-source:`extracted/深度学习详解/_epub-src/OEBPS/Text/Chapter11.xhtml`)
- 结论依据:原文及配图解释重建、噪声、解耦、离散码与生成应用;限制条件以审慎方式说明。
- 原始内容:我们现在还原的不是编码器的输入,输入编码器的图片是有噪声的,我们要还原的是加入噪声之前的图片. 所以现在的编码器和解码器除了要完成还原图片这项任务以外,还必须自己学会把噪声去掉. 编码器看到的是有噪声的图片,但解码器要还原的是没有加噪声的图片,所以编码器和解码器必须联手才能把噪声去掉,只有这样也才能把去噪自编码器训练出来.