像自编码器一样去噪
好的，您刚刚构建了一个 autoencoder 模型。现在来看看它如何应对更具挑战性的任务。
首先，您将构建一个对图像进行编码的模型，并使用 show_encodings() 查看不同数字是如何表示的。为了构建编码器，您会复用已经训练好的 autoencoder。只需使用网络的前半部分，即输入层到瓶颈层的输出。这样，您将得到一个由 32 个数字组成的输出，代表输入图像的编码版本。
随后，您将把 autoencoder 应用于来自 MNIST 的含噪图像，它应该能够清除噪声伪影。
X_test_noise 已加载到您的工作区。该含噪数据集中的数字如下所示：
释放自编码器的威力吧！
本练习是课程的一部分
Keras 深度学习入门
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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)