1、简介

• AE（自编码器）由编码器和解码器组成，编码器将输入数据映射到潜在空间，解码器将潜在表示映射回原始输入空间。
• AE的训练目标通常是最小化重构误差，即尽可能地重构输入数据，使得解码器输出与原始输入尽可能接近。
• AE通常用于数据压缩、去噪、特征提取等任务。
• 本文利用AE，输入数字图像。训练后，输入测试数字图像，重构生成新的数字图像。
  • 【注】本文案例需要输入才能生成输出，目标是重构，而不是生成。
• 
• 可以看出，重构图片和原始图片差别不大。 
• 【注】输出的10张数字图像是输入的测试图像的第一批次。

2、代码

• import matplotlib.pyplot as plt
  import torch
  import torch.nn as nn
  import torch.optim as optim
  import torchvision
  
  
  # 在一个类中编写编码器和解码器层。为编码器和解码器层的组件都定义了全连接层
  class AE(nn.Module):
      def __init__(self, **kwargs):
          super().__init__()
          self.encoder_hidden_layer = nn.Linear(
              in_features=kwargs["input_shape"], out_features=128
          )  # 编码器隐藏层
          self.encoder_output_layer = nn.Linear(
              in_features=128, out_features=128
          )  # 编码器输出层
          self.decoder_hidden_layer = nn.Linear(
              in_features=128, out_features=128
          )  # 解码器隐藏层
          self.decoder_output_layer = nn.Linear(
              in_features=128, out_features=kwargs["input_shape"]
          )  # 解码器输出层
  
      # 定义了模型的前向传播过程，包括激活函数的应用和重构图像的生成
      def forward(self, features):
          activation = self.encoder_hidden_layer(features)
          activation = torch.relu(activation)  # ReLU 激活函数，得到编码器的激活值
          code = self.encoder_output_layer(activation)
          code = torch.sigmoid(code)  # Sigmoid 激活函数，以确保编码后的表示在 [0, 1] 范围内
          activation = self.decoder_hidden_layer(code)
          activation = torch.relu(activation)
          activation = self.decoder_output_layer(activation)
          reconstructed = torch.sigmoid(activation)
          return reconstructed
  
  
  if __name__ == '__main__':
      # 设置批大小、学习周期和学习率
      batch_size = 512
      epochs = 30
      learning_rate = 1e-3
  
      # 载入 MNIST 数据集中的图片进行训练
      transform = torchvision.transforms.Compose([torchvision.transforms.ToTensor()])  # 将图像转换为张量
  
      train_dataset = torchvision.datasets.MNIST(
          root="~/torch_datasets", train=True, transform=transform, download=True
      )  # 加载 MNIST 数据集的训练集，设置路径、转换和下载为 True
  
      train_loader = torch.utils.data.DataLoader(
          train_dataset, batch_size=batch_size, shuffle=True
      )  # 创建一个数据加载器，用于加载训练数据，设置批处理大小和是否随机打乱数据
  
      # 在使用定义的 AE 类之前，有以下事情要做:
      # 配置要在哪个设备上运行
      device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
  
      # 建立 AE 模型并载入到 CPU 设备
      model = AE(input_shape=784).to(device)
  
      # Adam 优化器，学习率 10e-3
      optimizer = optim.Adam(model.parameters(), lr=learning_rate)
  
      # 使用均方误差（MSE）损失函数
      criterion = nn.MSELoss()
  
      # 在GPU设备上运行，实例化一个输入大小为784的AE自编码器，并用Adam作为训练优化器用MSELoss作为损失函数
      # 训练：
      for epoch in range(epochs):
          loss = 0
          for batch_features, _ in train_loader:
              # 将小批数据变形为 [N, 784] 矩阵，并加载到 CPU 设备
              batch_features = batch_features.view(-1, 784).to(device)
  
              # 梯度设置为 0，因为 torch 会累加梯度
              optimizer.zero_grad()
  
              # 计算重构
              outputs = model(batch_features)
  
              # 计算训练重建损失
              train_loss = criterion(outputs, batch_features)
  
              # 计算累积梯度
              train_loss.backward()
  
              # 根据当前梯度更新参数
              optimizer.step()
  
              # 将小批量训练损失加到周期损失中
              loss += train_loss.item()
  
          # 计算每个周期的训练损失
          loss = loss / len(train_loader)
  
          # 显示每个周期的训练损失
          print("epoch : {}/{}, recon loss = {:.8f}".format(epoch + 1, epochs, loss))
  
      # 用训练过的自编码器提取一些测试用例来重构
      test_dataset = torchvision.datasets.MNIST(
          root="~/torch_datasets", train=False, transform=transform, download=True
      )  # 加载 MNIST 测试数据集
  
      test_loader = torch.utils.data.DataLoader(
          test_dataset, batch_size=10, shuffle=False
      )  # 创建一个测试数据加载器
  
      test_examples = None
  
      # 通过循环遍历测试数据加载器，获取一个批次的图像数据
      with torch.no_grad():  # 使用 torch.no_grad() 上下文管理器，确保在该上下文中不会进行梯度计算
          for batch_features in test_loader:  # 历测试数据加载器中的每个批次的图像数据
              batch_features = batch_features[0]  # 获取当前批次的图像数据
              test_examples = batch_features.view(-1, 784).to(
                  device)  # 将当前批次的图像数据转换为大小为 (批大小, 784) 的张量，并加载到指定的设备（CPU 或 GPU）上
              reconstruction = model(test_examples)  # 使用训练好的自编码器模型对测试数据进行重构，即生成重构的图像
              break
  
      # 试着用训练过的自编码器重建一些测试图像
      with torch.no_grad():
          number = 10  # 设置要显示的图像数量
          plt.figure(figsize=(20, 4))  # 创建一个新的 Matplotlib 图形，设置图形大小为 (20, 4)
          for index in range(number):  # 遍历要显示的图像数量
              # 显示原始图
              ax = plt.subplot(2, number, index + 1)
              plt.imshow(test_examples[index].cpu().numpy().reshape(28, 28))
              plt.gray()
              ax.get_xaxis().set_visible(False)
              ax.get_yaxis().set_visible(False)
  
              # 显示重构图
              ax = plt.subplot(2, number, index + 1 + number)
              plt.imshow(reconstruction[index].cpu().numpy().reshape(28, 28))
              plt.gray()
              ax.get_xaxis().set_visible(False)
              ax.get_yaxis().set_visible(False)
          plt.savefig('reconstruction_results.png')  # 保存图像
          plt.show()