自动编码器

自动编码器的工作原理

自动编码器的运行包括两个阶段：编码和解码。

1. 编码器：这部分采用输入数据（如图像或矢量），并将其压缩为一种称为潜空间或瓶颈的低维表示。这种压缩迫使网络学习有意义的模式，摒弃噪音或冗余。编码器通常由几层组成，通常使用ReLU或Sigmoid 等激活函数。
2. 瓶颈：这是自动编码器的中心层，是输入数据的压缩低维表示所在。它是捕捉基本信息的 "代码"。这一层的维度是一个关键的超参数。
3. 解码器：解码器：这部分从瓶颈处获取压缩表示，并尝试尽可能精确地重建原始输入数据。它反映了编码器的结构，但却是反向的，将数据上采样回原来的尺寸。

训练包括向网络输入输入数据，并使用损失函数将输出（重建数据）与原始输入数据进行比较，如连续数据的平均平方误差 (MSE)或二进制数据的二进制交叉熵。使用反向传播和优化算法（如Adam或SGD）调整网络权重，使重建误差最小化。

自动编码器的类型

基本的自动编码器结构有几种变体，每种都是为特定任务而设计的：

• 去噪自动编码器：经过训练，可以重建被噪声破坏的输入的干净版本。这使得它们在图像去噪等任务中表现强劲。了解有关去噪自编码器的更多信息。
• 稀疏自动编码器：在瓶颈层上引入稀疏性惩罚（一种正则化），迫使网络学习每次只有少数节点处于活动状态的表征。
• 变异自动编码器（VAE）：一种生成式人工智能模型，可学习潜在空间的概率映射，从而生成与训练数据类似的新数据样本。阅读 VAE 论文。
• 收缩式自动编码器：在损失函数中添加惩罚项，鼓励编码器学习对输入的微小变化具有鲁棒性的表示。

实际应用

自动编码器是用于各种机器学习（ML）应用的多功能工具：

• 异常检测：通过学习数据中的正常模式，自动编码器可以识别异常值或异常现象。如果某个特定数据点的重构误差很大，则表明输入数据与训练数据有很大差异，有可能表明存在异常情况，如金融领域的欺诈交易或制造业的故障设备。进一步了解异常检测。
• 图像压缩和去噪：自动编码器可以学习图像的紧凑表示，从而有效地进行压缩。去噪自动编码器专门用于去除图像中的噪点，这在医学图像分析（如增强核磁共振成像或 CT 扫描）或修复老照片中非常有价值。参见医学成像解决方案。
• 降维：与主成分分析（PCA）类似，自动编码器也能降低数据维度，但却能捕捉 PCA 无法捕捉的复杂非线性关系。这对于数据可视化和作为其他 ML 模型的预处理步骤非常有用。
• 特征学习：编码器部分可用作图像分类或物体检测等下游任务的特征提取器，通常能提供比原始数据更强大的特征。虽然像 Ultralytics YOLO等模型使用专门的骨架，而自动编码器的原理则为表征学习提供了参考。

自动编码器与相关概念

• PCA：虽然两者都能降低维度，但PCA只限于线性变换。而自动编码器作为一种神经网络，可以学习复杂的非线性映射，通常能为复杂的数据集提供更好的表征。
• 生成对抗网络 生成对抗网络（GAN）主要用于生成高度逼真的新数据。虽然 VAE（自动编码器的一种）也能生成数据，但它们的重点通常是学习结构良好的潜在空间，而 GAN 擅长输出保真度，有时会以潜在空间的可解释性为代价。
• CNN 和变换器：自动编码器定义了一种架构模式（编码器-解码器）。它们通常利用其他网络类型，如用于图像数据的卷积神经网络（CNN）或用于顺序数据的变换器，作为编码器和解码器的构建模块。

工具和实施

自动编码器可以使用流行的深度学习（DL）框架来实现：

• PyTorch可灵活定义自定义编码器和解码器架构。请参阅PyTorch 教程。
• TensorFlow/Keras提供可简化构建和训练过程的高级 API。查看 Keras 自动编码器指南。

Ultralytics HUB等平台为包括数据管理和模型训练在内的整个 ML 工作流程提供了便利，不过它们主要侧重于检测和分割等有监督任务，而非无监督自动编码器训练。