Автоэнкодеры: неконтролируемые искусственные нейронные сети (ИНС)

Добро пожаловать в этот блог об автокодировщиках. В этом блоге вы найдете объяснение того, что такое автоэнкодер, как он работает, и увидите реализацию автоэнкодера в TensorFlow.

1. Введение

Автоэнкодер, также известный как Автоассоциатор или сети Diabolo, представляет собой искусственную нейронную сеть, используемую для воссоздания данного ввода. Он берет набор немаркированных входных данных, кодирует их, а затем пытается извлечь из них наиболее ценную информацию. Они используются для извлечения признаков, изучения генеративных моделей данных, уменьшения размерности и могут использоваться для сжатия. .

Статья 2006 года под названием Уменьшение размерности данных с помощью нейронных сетей, выполненная Г.Е. Хинтоном и Р.Р. Салахутдиновым, показала лучшие результаты, чем годы усовершенствования других типов сетей, и стала прорывом в области Нейронные сети.

«Автоэнкодеры, основанные на ограниченных машинах Больцмана, используются в некоторых из крупнейших приложений глубокого обучения. Они являются строительными блоками Deep Belief Networks (DBN)».

2. Извлечение признаков и уменьшение размерности

Пример приводит Нихил Будума в KdNuggets, в котором дается отличное объяснение полезности этого типа нейронной сети.

Скажем, вы хотите извлечь эмоции, которые испытывает человек на фотографии. В качестве примера используем следующее изображение в градациях серого размером 256x256 пикселей:

Но при использовании этой картинки мы начинаем сталкиваться с узким местом! Потому что это изображение размером 256x256 пикселей соответствует входному вектору размером 65536! Если бы мы использовали изображение, полученное с помощью обычных камер мобильных телефонов, это сгенерировало бы изображения размером 4000 пикселей. x 3000 пикселей, нам нужно будет проанализировать 12 миллионов размеров:

Как видите, она увеличивается экспоненциально! Возвращаясь к нашему примеру, нам не нужно использовать все 65 536 измерений для классификации эмоций. Человек идентифицирует эмоции по определенному выражению лица, некоторым ключевым чертам, таким как форма рта и брови.

3. Структура автоэнкодера

автоэнкодер можно разделить на две части:

1. Кодировщик :кодировщик должен сжимать представление ввода. В этом случае мы собираемся уменьшить размер лица нашего актера с 2000 до 30 размеров, пропустив данные через слои нашего кодировщика.

2. Декодер:декодер работает как сеть кодировщика в обратном порядке. Он работает, чтобы воссоздать ввод, как можно точнее. Это играет важную роль во время обучения, поскольку заставляет автоэнкодер выбирать наиболее важные функции в сжатом представлении.

4. Производительность

Это изображение было извлечено из сравнительной статьи Г. Э. Хинтона и Р. Р. Салахутдинова по двумерной редукции для 500 знаков MNIST, с PCA слева и автоэнкодером справа. Мы видим, что автоэнкодер обеспечил нам лучшее разделение данных.

5. Код

#from __future__ import division, print_function, absolute_import
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
# Import MINST data
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets(“/tmp/data/”, one_hot=True)

Теперь давайте зададим параметры, которые будут использоваться нашей NN.

learning_rate = 0.01
training_epochs = 20
batch_size = 256
display_step = 1
examples_to_show = 10
# Network Parameters
n_hidden_1 = 256 # 1st layer num features
n_hidden_2 = 128 # 2nd layer num features
n_input = 784 # MNIST data input (img shape: 28*28)
# tf Graph input (only pictures)
X = tf.placeholder(“float”, [None, n_input])
weights = {
 ‘encoder_h1’: tf.Variable(tf.random_normal([n_input, n_hidden_1])),
 ‘encoder_h2’: tf.Variable(tf.random_normal([n_hidden_1, n_hidden_2])),
 ‘decoder_h1’: tf.Variable(tf.random_normal([n_hidden_2, n_hidden_1])),
 ‘decoder_h2’: tf.Variable(tf.random_normal([n_hidden_1, n_input])),
}
biases = {
 ‘encoder_b1’: tf.Variable(tf.random_normal([n_hidden_1])),
 ‘encoder_b2’: tf.Variable(tf.random_normal([n_hidden_2])),
 ‘decoder_b1’: tf.Variable(tf.random_normal([n_hidden_1])),
 ‘decoder_b2’: tf.Variable(tf.random_normal([n_input])),
}

Теперь нам нужно создать наш кодировщик. Для этого воспользуемся сигмоидальными функциями. Сигмоидальные функции дают отличные результаты с этим типом сети. Это связано с наличием хорошей производной, которая хорошо подходит для обратного распространения. Мы можем создать наш кодировщик, используя сигмоидальную функцию следующим образом:

# Building the Encoder
def encoder(x):
    # Encoder first layer with sigmoid activation #1
    layer_1 = tf.nn.sigmoid(tf.add(tf.matmul(x, weights['encoder_h1']), biases['encoder_b1']))
    # Encoder second layer with sigmoid activation #2
    layer_2 = tf.nn.sigmoid(tf.add(tf.matmul(layer_1,  weights['encoder_h2']), biases['encoder_b2']))
    return layer_2

И декодер: вы можете видеть, что слой_1 в кодере — это слой_2 в декодере, и наоборот.

# Building the decoder
def decoder(x):
    # Decoder first layer with sigmoid activation #1
    layer_1 = tf.nn.sigmoid(tf.add(tf.matmul(x, weights['decoder_h1']),biases['decoder_b1']))
    # Decoder second layer with sigmoid activation #2
    layer_2 = tf.nn.sigmoid(tf.add(tf.matmul(layer_1, weights['decoder_h2']), biases['decoder_b2']))
    return layer_2

Давайте построим нашу модель. В переменной cost у нас есть функция потерь, а в переменной optimizer у нас есть наш градиент, используемый для обратного распространения.

# Launch the graph
# Using InteractiveSession (more convenient while using Notebooks)
sess = tf.InteractiveSession()
sess.run(init)
total_batch = int(mnist.train.num_examples / batch_size)
# Training cycle
for epoch in range(training_epochs):
 # Loop over all batches
 for i in range(total_batch):
 batch_xs, batch_ys = mnist.train.next_batch(batch_size)
 # Run optimization op (backprop) and cost op (to get loss value)
 _, c = sess.run([optimizer, cost], feed_dict={X: batch_xs})
 # Display logs per epoch step
 if epoch % display_step == 0:
 print(“Epoch:”, ‘%04d’ % (epoch+1),
 “cost=”, “{:.9f}”.format(c))
print(“Optimization Finished!”)

Вывод:

Epoch: 0001 cost= 0.182728916
Epoch: 0002 cost= 0.150434598
Epoch: 0003 cost= 0.130958572
Epoch: 0004 cost= 0.125098571
Epoch: 0005 cost= 0.119374141
Epoch: 0006 cost= 0.116029739
Epoch: 0007 cost= 0.114480294
Epoch: 0008 cost= 0.110542893
Epoch: 0009 cost= 0.107315414
Epoch: 0010 cost= 0.103023507
Epoch: 0011 cost= 0.101529025
Epoch: 0012 cost= 0.097410828
Epoch: 0013 cost= 0.093311585
Epoch: 0014 cost= 0.093811013
Epoch: 0015 cost= 0.090760238
Epoch: 0016 cost= 0.089178301
Epoch: 0017 cost= 0.087290406
Epoch: 0018 cost= 0.085913278
Epoch: 0019 cost= 0.086014777
Epoch: 0020 cost= 0.084903874
Optimization Finished!

Выше мы взяли 20 эпох.

Теперь давайте применим кодер и декодер для наших тестов.

# Applying encode and decode over test set
encode_decode = sess.run(
 y_pred, feed_dict={X: mnist.test.images[:examples_to_show]})
# Lets Let’s simply visualize our graphs!
# Compare original images with their reconstructions
f, a = plt.subplots(2, 10, figsize=(10, 2))
for i in range(examples_to_show):
 a[0][i].imshow(np.reshape(mnist.test.images[i], (28, 28)))
 a[1][i].imshow(np.reshape(encode_decode[i], (28, 28)))

Окончательный результат:

Как видите, реконструкция прошла успешно. Видно, что к изображению добавился шум.

Спасибо за чтение

Для получения дополнительных материалов и знаний, связанных с глубоким обучением и нейронными сетями, нажмите здесь

Автоэнкодеры: неконтролируемые искусственные нейронные сети (ИНС)