Odstranění šumu pomocí autoencoderu
Výborně, právě jsi sestavil/a model autoencoder. Podívejme se, jak si poradí s náročnějším úkolem.
Nejdřív vytvoříš model, který kóduje obrázky, a pomocí show_encodings() se podíváš, jak jsou jednotlivé číslice reprezentovány. Pro sestavení encoderu využiješ svůj autoencoder, který je již natrénovaný. Použiješ jen první polovinu sítě, která obsahuje vstup a výstup bottlenecku. Tím získáš výstup o 32 hodnotách reprezentující zakódovanou verzi vstupního obrázku.
Poté aplikuješ svůj autoencoder na zašuměné obrázky z datasetu MNIST — měl by být schopen odstranit nežádoucí šum.
X_test_noise je načteno ve tvém pracovním prostředí. Číslice v tomto zašuměném datasetu vypadají takto:
Využij sílu autoencoderu!
Toto cvičení je součástí kurzu
Úvod do hlubokého učení s Keras
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Build your encoder by using the first layer of your autoencoder
encoder = Sequential()
encoder.add(____.layers[____])
# Encode the noisy images and show the encodings for your favorite number [0-9]
encodings = ____.predict(____)
show_encodings(____, number = 1)