Odszumianie jak autoenkoder
Świetnie, właśnie zbudowano model autoencoder. Sprawdźmy teraz, jak poradzi sobie z trudniejszym zadaniem.
Na początku zbudujesz model kodujący obrazy i sprawdzisz, jak poszczególne cyfry są reprezentowane za pomocą show_encodings(). Do zbudowania enkodera wykorzystasz swój autoencoder, który został już wcześniej wytrenowany. Użyjesz tylko pierwszej połowy sieci – tej zawierającej warstwę wejściową i warstwę wąskiego gardła. Dzięki temu uzyskasz wyjście o rozmiarze 32 liczb, reprezentujące zakodowaną wersję obrazu wejściowego.
Następnie zastosujesz swój autoencoder do zaszumionych obrazów ze zbioru MNIST – model powinien usunąć artefakty szumu.
X_test_noise jest już wczytany do twojego środowiska. Cyfry w tym zaszumionym zbiorze wyglądają tak:
Wykorzystaj moc autoenkodera!
To ćwiczenie jest częścią kursu
Wprowadzenie do uczenia głębokiego z Keras
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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)