6-1 单隐含层自动编码器--Keras实现

查看完整代码http://www.daimapi.com/neuralnetwork6_1/

该代码利用Python3实现，利用到了深度学习工具包Keras。

自编码器（AutoEncoder），即可以使用自身的高阶特征自我编码，自编码器其实也是一种神经网络，其输入和输出是一致的，借助了稀疏编码的思想，目标是使用稀疏的高阶特征重新组合来重构自己。     

# -*- coding: utf-8 -*-
from keras.layers import Input, Dense
from keras.models import Model
from keras.datasets import mnist
import numpy as np
import matplotlib.pyplot as plt

# X shape (60,000 28x28), y shape (10,000, )
(x_train, _), (x_test, _) = mnist.load_data()

# 数据预处理
x_train = x_train.astype('float32') / 255.
x_test = x_test.astype('float32') / 255.
x_train = x_train.reshape((len(x_train), np.prod(x_train.shape[1:])))
x_test = x_test.reshape((len(x_test), np.prod(x_test.shape[1:])))

encoding_dim = 32  # 特征维度至32维
input_img = Input(shape=(784,))  # 输入的维度

encoded = Dense(encoding_dim, activation='relu')(input_img)  # 编码层
decoded = Dense(784, activation='sigmoid')(encoded)  # 解码层

# 构建自编码模型
autoencoder = Model(inputs=input_img, outputs=decoded) # 编译编码器
encoder = Model(inputs=input_img, outputs=encoded)

encoded_input = Input(shape=(encoding_dim,))
decoder_layer = autoencoder.layers[-1]