Brusreducering med en autoenkoder
Nu har du byggt en autoencoder-modell. Låt oss se hur den hanterar en mer utmanande uppgift.
Först bygger du en modell som kodar bilder, och du kontrollerar hur olika siffror representeras med hjälp av show_encodings(). För att bygga enkoderns modell använder du din autoencoder, som redan har tränats. Du använder bara den första halvan av nätverket, som innehåller indata och flaskhalsutdata. På så sätt får du ett utdata med 32 värden som representerar den kodade versionen av indatabilden.
Sedan applicerar du din autoencoder på brusiga bilder från MNIST – den bör kunna rensa bort brusartefakterna.
X_test_noise är inläst i din arbetsyta. Siffrorna i det här brusiga datasetet ser ut så här:
Sätt autoenkodern i arbete!
Den här övningen är en del av kursen
Introduktion till djupinlärning med Keras
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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)