Menghilangkan derau seperti autoencoder
Baik, Anda baru saja membangun model autoencoder. Mari kita lihat bagaimana model tersebut menangani tugas yang lebih menantang.
Pertama, Anda akan membangun model yang melakukan pengodean gambar, lalu memeriksa bagaimana digit yang berbeda direpresentasikan dengan show_encodings(). Untuk membangun encoder, Anda akan memanfaatkan autoencoder yang sudah dilatih. Anda hanya akan menggunakan setengah bagian awal jaringan, yang berisi masukan dan keluaran bottleneck. Dengan begitu, Anda akan memperoleh keluaran berupa 32 angka yang merepresentasikan versi terenkode dari gambar masukan.
Selanjutnya, Anda akan menerapkan autoencoder pada gambar berderau dari MNIST; model seharusnya mampu membersihkan artefak derau tersebut.
X_test_noise telah dimuat di ruang kerja Anda. Digit dalam himpunan data berderau ini terlihat seperti berikut:
Manfaatkan kekuatan autoencoder!
Latihan ini merupakan bagian dari kursus
Pengantar Deep Learning dengan Keras
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
# 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)