Rimuovere il rumore come un autoencoder
Bene, hai appena costruito un modello di autoencoder. Vediamo come se la cava con un compito più impegnativo.
Per prima cosa, costruirai un modello che codifica le immagini e controllerai come vengono rappresentate le diverse cifre con show_encodings(). Per creare l'encoder userai il tuo autoencoder, che è già stato addestrato. Userai solo la prima metà della rete, che contiene l'input e l'uscita del collo di bottiglia. In questo modo otterrai un'uscita di 32 numeri che rappresenta la versione codificata dell'immagine di input.
Poi applicherai il tuo autoencoder alle immagini rumorose di MNIST: dovrebbe riuscire a ripulire gli artefatti di rumore.
X_test_noise è già caricato nel tuo workspace. Le cifre in questo insieme di dati rumorosi appaiono così:
Metti al lavoro la potenza dell'autoencoder!
Questo esercizio fa parte del corso
Introduzione al Deep Learning con Keras
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# 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)