像自動編碼器一樣去雜訊
好的，你剛剛建立了一個 autoencoder 模型。來看看它如何應對更具挑戰性的任務。
首先，你會建立一個能將影像編碼的模型，並用 show_encodings() 檢視不同數字是如何被表示。為了建立編碼器，你會重用已經訓練好的 autoencoder，只取用網路的前半部，也就是輸入層到瓶頸輸出。如此一來，你會得到 32 維的輸出，代表輸入影像的編碼版本。
接著，你會將 autoencoder 應用到 MNIST 的含雜訊影像上，模型應該能清除雜訊。
X_test_noise 已載入到你的工作環境。這個含雜訊資料集裡的數字長這樣：
發揮自動編碼器的威力吧！
本練習屬於課程
Keras 深度學習入門
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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)