Eliminarea zgomotului cu un autoencoder
Bine, tocmai ai construit un model autoencoder. Să vedem cum se descurcă cu o sarcină mai dificilă.
Mai întâi, vei construi un model care codifică imaginile și vei verifica modul în care diferitele cifre sunt reprezentate cu ajutorul funcției show_encodings(). Pentru a construi encoderul, vei folosi autoencoder-ul tău, care a fost deja antrenat. Vei utiliza doar prima jumătate a rețelei, care conține intrarea și ieșirea din bottleneck. Astfel, vei obține o ieșire de 32 de valori, ce reprezintă versiunea codificată a imaginii de intrare.
Apoi, vei aplica autoencoder-ul tău pe imagini zgomotoase din setul MNIST — acesta ar trebui să fie capabil să elimine artefactele de zgomot.
X_test_noise este încărcat în spațiul tău de lucru. Cifrele din acest set de date zgomotoase arată astfel:
Pune puterea autoencoder-ului la treabă!
Acest exercițiu face parte din cursul
Introducere în Deep Learning cu Keras
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# 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)