知识卡片
自编码器学习重建输入
自编码器用编码器将输入映射到潜在表示,再用解码器重建输入,并优化重建损失。瓶颈可迫使模型保留有用信息,但单个样本的重建成功可能只是参数记忆;评估需使用未见数据,并在实际压缩场景计入模型、潜变量精度及存储开销。普通自编码器通常归为无监督或自监督学习,书中称半监督并非常用定义。
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 · 查看原书依据
每张输入的图片就是最终输出想要达到的目标
参考来源
- 位置:《深度学习:从基础到实践(上下册)》第25章《自编码器》25.3(来源项目 `extracted/深度学习:从基础到实践(上下册)/_epub-src/text/part0033_split_003.html`)
- 结论依据:每张输入的图片就是最终输出想要达到的目标。
- 原始内容:每张输入的图片就是最终输出想要达到的目标。该网络试着将输入压缩成20个数字,而这20个数字解压缩后应当尽量与目标(也就是输入)相匹配。