第15章 自編碼器
譯者：@akonwang
校對：@飛龍
自編碼器是能夠在無監督的情況下學習輸入數據（叫做編碼）的人工神經網絡（即，訓練集是未標記）。這些編碼通常具有比輸入數據低得多的維度，使得自編碼器對降維有用（參見第 8 章）。更重要的是，自編碼器可以作為強大的特征檢測器，它們可以用于無監督的深度神經網絡預訓練（正如我們在第 11 章中討論過的）。最后，他們能夠隨機生成與訓練數據非常相似的新數據；這被稱為生成模型。例如，您可以在臉部圖片上訓練自編碼器，然后可以生成新臉部。
令人驚訝的是，自編碼器只需學習將輸入復制到其輸出即可工作。 這聽起來像是一件小事，但我們會看到以各種方式約束網絡可能會讓它變得相當困難。例如，您可以限制內部表示的大小，或者可以向輸入添加噪聲并訓練網絡以恢復原始輸入。這些約束防止自編碼器將輸入直接復制到輸出，這迫使它學習表示數據的有效方法。 簡言之，編碼是自編碼器在某些限制條件下嘗試學習恒等函數的副產品。
在本章中，我們將更深入地解釋自編碼器如何工作，可以施加什么類型的約束以及如何使用 TensorFlow 實現它們，無論是降維，特征提取，無監督預訓練還是生成模型。
