الوصف
يمكن أيضًا استخدام أجهزة التشفير التلقائي لتقليل التشويش على الصورة. تقليل الضوضاء هو عملية إزالة الضوضاء من الصورة. يمكن تدريب مشفر تقليل الضوضاء بطريقة غير خاضعة للإشراف. يمكن إدخال الضوضاء في صورة عادية ويتم تدريب وحدة التشفير التلقائي على الصور الأصلية. لاحقًا ، يمكن استخدام وحدة التشفير التلقائي الكاملة لإنتاج صور خالية من التشويش. في هذا القسم ، سنرى إرشادات خطوة بخطوة لتقليل التشويش على صور MNIST. استيراد المكتبات المطلوبة وتحديد العناصر النائبة كما هو موضح:
x_input = tf.placeholder (tf.float32، شكل = [لا شيء ، input_size])
y_input = tf.placeholder (tf.float32، shape = [لا شيء ، input_size])
كل من x_input و y_input لهما نفس الشكل كما يجب أن يكونا في وحدة التشفير التلقائي. بعد ذلك ، حدد طبقة كثيفة كما هو موضح هنا ، مع التنشيط الافتراضي كوظيفة تنشيط tanh.
تتناقص الخسارة بشكل مطرد وستستمر في التناقص ببطء على مدار التكرارات. يوضح هذا كيف تتقارب أجهزة التشفير التلقائي بسرعة. بعد ذلك ، يتم عرض ثلاثة أرقام من الصور الأصلية:
ها هي نفس الصور مع التشويش المضافة:
ستلاحظ أن هناك ضوضاء كبيرة وهذا يتم تقديمه كمدخل. بعد ذلك ، هي الصور التي أعيد بناؤها لنفس الأرقام باستخدام وحدة التشفير التلقائي لتقليل الضوضاء:
Matching faster using approximate nearest neighbour in TensorFlow
Extracting bottleneck features for an image in tensorflow
عند بدء هذا التدريب ، يمكن رؤية النتائج في TensorBoard. تظهر الخسارة هنا:
المراجعات
لا توجد مراجعات بعد.