ऑटोएन्कोडर की तरह डी-नॉइज़िंग
ठीक है, आपने अभी एक autoencoder मॉडल बनाया है. अब देखें, यह एक कठिन टास्क को कैसे संभालता है.
सबसे पहले, आप ऐसा मॉडल बनाएँगे जो इमेज को एन्कोड करे, और show_encodings() से देखेंगे कि अलग-अलग अंकों का निरूपण कैसे होता है. एन्कोडर बनाने के लिए आप अपने पहले से प्रशिक्षित autoencoder का उपयोग करेंगे. आप नेटवर्क के पहले आधे हिस्से का ही उपयोग करेंगे, जिसमें इनपुट और बॉटलनेक आउटपुट शामिल है. इस तरह, आपको 32 संख्याओं का आउटपुट मिलेगा जो इनपुट इमेज के एन्कोडेड वर्शन का प्रतिनिधित्व करता है.
इसके बाद, आप MNIST की नॉइज़ी इमेज पर अपने autoencoder को लागू करेंगे; इसे नॉइज़ी आर्टिफैक्ट्स को साफ़ करने में सक्षम होना चाहिए.
X_test_noise आपके वर्कस्पेस में लोड है. इस नॉइज़ी डेटासेट में अंक कुछ इस तरह दिखते हैं:
ऑटोएन्कोडर की शक्ति लागू करें!
यह अभ्यास पाठ्यक्रम का हिस्सा है
Keras के साथ डीप लर्निंग परिचय
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# 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)