오토인코더처럼 노이즈 제거하기
좋아요, 방금 autoencoder 모델을 만들었어요. 이제 더 도전적인 작업에서 어떻게 동작하는지 살펴보죠.
먼저 이미지를 인코딩하는 모델을 만든 뒤, 서로 다른 숫자가 show_encodings()로 어떻게 표현되는지 확인하겠습니다. 인코더를 만들 때는 이미 학습을 마친 autoencoder를 활용할 거예요. 네트워크의 전반부, 즉 입력과 병목(bottleneck) 출력까지만 사용할 겁니다. 이렇게 하면 입력 이미지를 인코딩한 32차원 출력 벡터를 얻을 수 있어요.
그다음 MNIST의 노이즈가 있는 이미지에 autoencoder를 적용해 보세요. 노이즈 성분을 깔끔하게 제거할 수 있을 거예요.
X_test_noise는 작업 공간에 로드되어 있습니다. 이 노이즈 데이터셋의 숫자는 다음과 같이 보입니다:
오토인코더의 힘을 발휘해 보세요!
이 연습은 강의의 일부입니다
Keras로 시작하는 딥 러닝
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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)