原標題：深度學習自動編碼器還能用于數據生成？這篇文章告訴你答案AI研習社按：本文作者廖星宇，原載于作者知乎專欄，AI研習社經授權發布。什么是自動編碼器自動編碼器(AutoEncoder)**開始作為一種數據的壓縮方法，其特點有:跟數據相關程度很高，這意味著自動編碼器只能壓縮與訓練數據相似的數據，這個其實比較顯然，因為使用神經網絡提取的特征一般是高度相關于原始的訓練集，使用人臉訓練出來的自動編碼器在壓縮自然界動物的圖片是表現就會比較差，因為它只學習到了人臉的特征，而沒有能夠學習到自然界圖片的特征；壓縮后數據是有損的，這是因為在降維的過程中不可避免的要丟失掉信息；到了2012年，人們發現在卷積網絡中使用自動編碼器做逐層預訓練可以訓練更加深層的網絡，但是很快人們發現良好的初始化策略要比費勁的逐層預訓練有效地多，2014年出現的BatchNormalization技術也是的更深的網絡能夠被被有效訓練，到了15年底，通過殘差(ResNet)我們基本可以訓練任意深度的神經網絡。所以現在自動編碼器主要應用有兩個方面，***是數據去噪，第二是進行可視化降維。然而自動編碼器還有著一個功能就是生成數據。我們之前講過GAN，它與GAN相比有著一些好處。雷尼紹編碼器便宜的有嗎。銷售雷尼紹編碼器按需定制

    沒有確定的性能，也就沒有性價比。性價比=0/1=0。☆星級：往上一級，就是簡單地設計了內部電源啊，信號處理啊，這些**基本的成品編碼器所需要的性能參數，適用于小型加工設備。屬于小型加工設備經濟級編碼器。這種經濟級編碼器，它主要只需要適用于一兩種機械設備能夠用，滿足有限的性能要求，然后就可以批量生產了。☆☆星級：那么再上一級，就是經過有性能設計的小型經濟級編碼器，可以更通用一些。多種小型機械設備都能夠適用，這種針對小型設備的電氣機械等環境因素，它都是有過一定的性能設計，目前**典型的就是大量的經濟級的小型伺服電機編碼器,這種小型伺服電機的編碼器目前的市場量非常大，2500線UVW為主。各種小型伺服電機配置。當然，有些伺服電機編碼器也有特定的性能要求和較高等級的設計，例如溫度有些設計到了120度。☆☆☆星級：經濟級自動化編碼器。主要是以日系的經濟級小型PLC所配的自動化編碼器為主。自動化的編碼器的要求比伺服編碼器的要求更高一些。因為自動化的應用環境更復雜些，具體用到哪里，預先是不知道的。那里的電氣環境，溫度范圍，現場振動，灰塵水汽防護等級的要求都要高了。典型以市場上大量日系的連接PLC的普通增量編碼器為主。多功能雷尼紹編碼器機械結構雷尼紹編碼器江蘇本地的有嗎？

    2月20日公司收到兩個現場返回來的編碼器，是安徽一個垃圾焚燒處理場用了五年的又臟又臭的***值多圈編碼器，因為太臟了，信號有點不穩定，用戶希望檢測一下看是否還能用嗎。擦拭干凈查看標簽一品一碼，是13年6月交貨的，就在這么臟的垃圾吊上用了五年。因為現場還有其他幾個同型號的還用得好好的，用戶處于設備維護成本考慮，要我們檢測一下是否是維修師傅誤判，是否還能繼續使用，這是用戶對我們產品的充分信任，他們認為這是一款足夠強大的產品。那么惡劣環境下的***值編碼器該如何選呢？編碼器使用工程師經常掉入的誤區：***，是“能用就好”只剩下功能了。這個“能用”是過去在哪個級別應用？接下去用有沒有越級使用？典型的是經濟級的日系編碼器，用到了歐系電機所需要的標準工業等級上。表面上看，通上電確實是能用的。但是用下來經常這個問題那個問題的，需要返回到現場去找毛病。工程師大量的時間，浪費在去現場出差的路上。那么這個時候的性價比，已經輸在大量的人工成本浪費上了，還有什么性價比可言？第二，就是大品牌就好，尤其是掛上“進口”兩個字，不管它是什么品牌，總以為就是好的。實際上大品牌有各種產品，編碼器不一定是它的優勢主力產品。

    可以看到AE生成的圖像之間還是有多少變化的。另外，在自編碼器領域另一個令人興奮的研究的例子是VAE/GAN。這種混合模型使用GAN的鑒別器在典型的對抗訓練中學到的知識來提高AE的生成能力。“Autoencodingbeyondpixelsusingalearnedsimilaritymetric”（arXiv：）在上圖中作者使用他們的模型從學習的表示中重建一組圖像，這是GAN無法做到的，因為GAN缺乏上面說過的的可逆性。從圖上看重建看起來很不錯。雖然GAN很重要，但是自編碼器還在以某種方式在圖像生成中發揮作用（自編碼器可能還沒被完全的開發），熟悉它們肯定是件好事。在本文的下面部分，將介紹自編碼器的工作原理、有哪些不同類型的自編碼器以及如何使用它們。**后還將提供一些TensorFlow的代碼。使用自編碼器進行表示學習自編碼器都是關于如何有效地表示數據的。他們的工作是找到一個高維輸入的低維表示，在不損失內容的情況下重建原始輸入。從下圖所示的quickdraw數據集中獲取“斧頭”。圖像為28x28灰度，這意味著它由784個像素組成。自編碼器會找到從這個784維空間到2D空間的映射，這樣壓縮后的ax圖像將*由兩個數字描述：地圖上的X和Y坐標。接下來，*知道X-Y坐標。雷尼紹編碼器有沒有優惠的。

    但整體重建精度似乎相當不錯。另一種可視化自編碼器所學內容的方法是將一些測試圖像*傳遞給編碼器。這將產生它們的潛在表示，本例(3,3,64)。然后使用降維算法（例如t-SNE）將它們映射到二維并繪制散點圖，通過它們的標簽（貓、狗或樹）為點著色，如下圖所示：可以清楚地看到，樹與其他圖像分離良好而貓和狗則有點混雜。注意底部的大藍**域，這些是帶有胡須的貓頭的圖像這些并沒有與狗混淆。但是在圖的的上半部分都是從動物的側面，這使得區分貓和狗變得更加困難。這里一個非常值得關注的事情是，自編碼器在沒有給出標簽的情況下了解了多少圖像類別！（上面說到的自監督學習）要點：自編碼器可以在沒有標簽的情況下學習很多關于圖像分類的知識。傳統的自編碼器模型似乎已經學會了數據的有意義的潛在表示。下面讓我們回到本文的主題：它可以作為生成模型嗎？傳統自編碼器作為生成模型首先明確一下我們對生成模型的期望：希望能夠選擇潛在空間中的任何隨機點，將其通過解碼器獲得逼真的圖像。**重要的是，在潛在空間中選擇不同的隨機點應該會產生不同的生成圖像，這些圖像應該涵蓋模型看到的所有類型的數據：貓、狗和樹。從潛在空間采樣當我們在潛在空間中選擇一個隨機點時。雷尼紹編碼器有進口的嗎？省電雷尼紹編碼器什么價格

雷尼紹編碼器價格比較實惠的。銷售雷尼紹編碼器按需定制

    自編碼器將嘗試*從這兩個值重建原始的784個像素。自編碼器學習其輸入的低維度表示。重建肯定不會是完美的，因為在壓縮過程中不可避免地會丟失一些信息，但是我們的目標是希望它足以識別原始圖像。在我們示例中的”地圖“是有效表示數據的潛在空間。雖然我們使用2D進行說明，但實際上潛在空間通常會更大，但仍比輸入圖像小得多。自編碼器的工作是創建一個低維表示讓它重建原始輸入。這確保了這個潛在空間壓縮了**相關的輸入特征，并且沒有噪聲和對重建輸入不重要的特征。要點：自編碼器的潛在空間壓縮了現在相關的輸入特征，并且沒有噪聲和冗余特征。這個特點使得它在許多方面都具有吸引力。可以使用自編碼器進行降維或特征提取（可以構建一個在數學上等同于主成分分析或PCA的自編碼器，我們以前有個相應的文章，有興趣的可以搜索參考）。所以可以在任何數據管道中用自編碼器學習的低維度表示替換高維度數據。自編碼器還有許多其他應用。它們可用于對圖像進行去噪：只需輸入一張有噪聲的圖像，自編碼器會重建原始的無噪聲圖像。它們還可用于自監督預訓練，其中模型從大量未標記數據中學習圖像特征，然后針對一小部分標記數據上的某些監督任務進行微調。銷售雷尼紹編碼器按需定制

昆山精越自動化科技有限公司致力于機械及行業設備，是一家貿易型公司。公司業務涵蓋編碼器，驅動器，無框電機，制動器等，價格合理，品質有保證。公司注重以質量為中心，以服務為理念，秉持誠信為本的理念，打造機械及行業設備良好品牌。昆山精越秉承“客戶為尊、服務為榮、創意為先、技術為實”的經營理念，全力打造公司的重點競爭力。