1. เรียนรู้
    2. /
  2. Courses
    3. /
  3. Kerasで学ぶIntroduction to Deep Learning
Connected

Exercises

オートエンコーダーを構築する

オートエンコーダーには、異常検知や画像のノイズ除去など、いくつかの興味深い応用があります。目的は、入力と同一の出力を生成することです。入力はより低次元の空間に圧縮（エンコード）され、モデルはそれを元の形にデコードする方法を学習します。

ここでは手書き数字の MNIST データセットをエンコードしてデコードします。隠れ層は、もともと784ピクセル（28 x 28）からなる画像を32次元の表現にエンコードします。オートエンコーダーは、784ピクセルの元画像を32ピクセル相当の圧縮表現に変換し、そのエンコード表現を使って元の784ピクセル画像を復元する方法を学習します。

Sequential モデルと Dense レイヤーは用意されています。

それでは、オートエンコーダーを作りましょう！

คำแนะนำ

100 XP
  • Sequential モデルを作成します。
  • エンコード後の画像の次元数と同じ数のニューロンを持つ全結合層を追加し、input_shape には元の画像のピクセル数を指定します。
  • 入力画像のピクセル数と同じ数のニューロンを持つ最終層を追加します。
  • 最後に、autoencoder をオプティマイザに adadelta、損失に binary_crossentropy を指定してコンパイルし、サマリーを表示します。