前言

這周工作太忙，本來想更把 Attention tranlsation 寫出來，但一直抽不出時間，等后面有時間再來寫。我們這周來看一個簡單的自編碼器實戰(zhàn)代碼，關(guān)于自編碼器的理論介紹我就不詳細介紹了，網(wǎng)上一搜一大把。最簡單的自編碼器就是通過一個 encoder 和 decoder 來對輸入進行復(fù)現(xiàn)，例如我們將一個圖片輸入到一個網(wǎng)絡(luò)中，自編碼器的 encoder 對圖片進行壓縮，得到壓縮后的信息，進而 decoder 再將這個信息進行解碼從而復(fù)現(xiàn)原圖。

自編碼器實際上是通過去最小化 target 和 input 的差別來進行優(yōu)化，即讓輸出層盡可能地去復(fù)現(xiàn)原來的信息。由于自編碼器的基礎(chǔ)形式比較簡單，對于它的一些變體也非常之多，包括 DAE，SDAE，VAE 等等，如果感興趣的小伙伴可以去網(wǎng)上搜一下其他相關(guān)信息。

本篇文章將實現(xiàn)兩個 Demo，***部分即實現(xiàn)一個簡單的 input-hidden-output 結(jié)的自編碼器，第二部分將在***部分的基礎(chǔ)上實現(xiàn)卷積自編碼器來對圖片進行降噪。

工具說明

• TensorFlow1.0

• jupyter notebook

• 數(shù)據(jù)：MNIST 手寫數(shù)據(jù)集

• 完整代碼地址：NELSONZHAO/zhihu

***部分

首先我們將實現(xiàn)一個如上圖結(jié)構(gòu)的最簡單的 AutoEncoder。

加載數(shù)據(jù)

在這里，我們使用 MNIST 手寫數(shù)據(jù)集來進行實驗。首先我們需要導入數(shù)據(jù)，TensorFlow 已經(jīng)封裝了這個實驗數(shù)據(jù)集，所以我們使用起來也非常簡單。

如果想讓數(shù)據(jù)顯示灰度圖像，使用代碼 plt.imshow(img.reshape((28,28)), cmap='Greys_r') 即可。

通過 input_data 就可以加載我們的數(shù)據(jù)集。如果小伙伴本地已經(jīng)有了 MNIST 數(shù)據(jù)集（四個壓縮包），可以把這四個壓縮包放在目錄 MNIST_data 下，這樣 TensorFlow 就會直接 Extract 數(shù)據(jù)，而不用再重新下載。我們可以通過 imshow 來隨便查看一個圖像。由于我們加載進來的數(shù)據(jù)已經(jīng)被處理成一個 784 維度的向量，因此重新顯示的時候需要 reshape 一下。

構(gòu)建模型

我們把數(shù)據(jù)加載進來以后就可以進行最簡單的建模。在這之前，我們首先來獲取一下 input 數(shù)據(jù)的大小，我們加載進來的圖片是 28x28 的像素塊，TensorFlow 已經(jīng)幫我們處理成了 784 維度的向量。同時我們還需要指定一下 hidden layer 的大小。

在這里我指定了 64，hidden_units 越小，意味著信息損失的越多，小伙伴們也可以嘗試一下其他的大小來看看結(jié)果。

AutoEncoder 中包含了 input，hidden 和 output 三層。

在隱層，我們采用了 ReLU 作為激活函數(shù)。

至此，一個簡單的 AutoEncoder 就構(gòu)造完成，接下來我們可以啟動 TensorFlow 的 graph 來進行訓練。

訓練結(jié)果可視化

經(jīng)過上面的步驟，我們構(gòu)造了一個簡單的 AutoEncoder，下面我們將對結(jié)果進行可視化看一下它的表現(xiàn)。

這里，我挑選了測試數(shù)據(jù)集中的 5 個樣本來進行可視化，同樣的，如果想觀察灰度圖像，指定 cmap 參數(shù)為'Greys_r'即可。上面一行為 test 數(shù)據(jù)集中原始圖片，第二行是經(jīng)過 AutoEncoder 復(fù)現(xiàn)以后的圖片，可以很明顯的看到像素信息的損失。

同樣，我們也可以把隱層壓縮的數(shù)據(jù)拿出來可視化，結(jié)果如下：

這五張圖分別對應(yīng)了 test 中五張圖片的隱層壓縮后的圖像。

通過上面一個簡單的例子，我們了解了 AutoEncoder 的基本工作原理，下面我們將更進一步改進我們的模型，將隱層轉(zhuǎn)換為卷積層來進行圖像降噪。

上面過程中省略了一部分代碼，完整代碼請去我的 GitHub 上查看。

第二部分

在了解了上面 AutoEncoder 工作原理的基礎(chǔ)上，我們在這一部分將對 AutoEncoder 加入多個卷積層來進行圖片的降噪處理。

同樣的我們還是使用 MNIST 數(shù)據(jù)集來進行實驗，關(guān)于數(shù)據(jù)導入的步驟不再贅述，請下載代碼查看。在開始之前，我們先通過一張圖片來看一下我們的整個模型結(jié)構(gòu)：

我們通過向模型輸入一個帶有噪聲的圖片，在輸出端給模型沒有噪聲的圖片，讓模型通過卷積自編碼器去學習降噪的過程。

輸入層

這里的輸入層和我們上一部分的輸入層已經(jīng)不同，因為這里我們要使用卷積操作，因此，輸入層應(yīng)該是一個 height x width x depth 的一個圖像，一般的圖像 depth 是 RGB 格式三層，這里我們的 MNIST 數(shù)據(jù)集的 depth 只有 1。

Encoder 卷積層

Encoder 卷積層設(shè)置了三層卷積加池化層，對圖像進行處理。

***層卷積中，我們使用了 64 個大小為 3 x 3 的濾波器（filter），strides 默認為 1，padding 設(shè)置為 same 后我們的 height 和 width 不會被改變，因此經(jīng)過***層卷積以后，我們得到的數(shù)據(jù)從最初的 28 x 28 x 1 變?yōu)?28 x 28 x 64。

緊接著對卷積結(jié)果進行***池化操作（max pooling），這里我設(shè)置了 size 和 stride 都是 2 x 2，池化操作不改變卷積結(jié)果的深度，因此池化以后的大小為 14 x 14 x 64。

對于其他卷積層不再贅述。所有卷積層的激活函數(shù)都是用了 ReLU。

經(jīng)過三層的卷積和池化操作以后，我們得到的 conv3 實際上就相當于上一部分中 AutoEncoder 的隱層，這一層的數(shù)據(jù)已經(jīng)被壓縮為 4 x 4 x 32 的大小。

至此，我們就完成了 Encoder 端的卷積操作，數(shù)據(jù)維度從開始的 28 x 28 x 1 變成了 4 x 4 x 32。

Decoder 卷積層

接下來我們就要開始進行 Decoder 端的卷積。在這之前，可能有小伙伴要問了，既然 Encoder 中都已經(jīng)把圖片卷成了 4 x 4 x 32，我們?nèi)绻^續(xù)在 Decoder 進行卷積的話，那豈不是得到的數(shù)據(jù) size 越來越??？所以，在 Decoder 端，我們并不是單純進行卷積操作，而是使用了 Upsample（中文翻譯可以為上采樣）+ 卷積的組合。

我們知道卷積操作是通過一個濾波器對圖片中的每個 patch 進行掃描，進而對 patch 中的像素塊加權(quán)求和后再進行非線性處理。舉個例子，原圖中我們的 patch 的大小假如是 3 x 3（說的通俗點就是一張圖片中我們?nèi)∑渲幸粋€ 3 x 3 大小的像素塊出來），接著我們使用 3 x 3 的濾波器對這個 patch 進行處理，那么這個 patch 經(jīng)過卷積以后就變成了 1 個像素塊。在 Deconvolution 中（或者叫 transposed convolution）這一過程是反過來的，1 個像素塊會被擴展成 3 x 3 的像素塊。

但是 Deconvolution 有一些弊端，它會導致圖片中出現(xiàn) checkerboard patterns，這是因為在 Deconvolution 的過程中，濾波器中會出現(xiàn)很多重疊。為了解決這個問題，有人提出了使用 Upsample 加卷積層來進行解決。

關(guān)于 Upsample 有兩種常見的方式，一種是 nearest neighbor interpolation，另一種是 bilinear interpolation。

本文也會使用 Upsample 加卷積的方式來進行 Decoder 端的處理。

在 TensorFlow 中也封裝了對 Upsample 的操作，我們使用 resize_nearest_neighbor 對 Encoder 卷積的結(jié)果 resize，進而再進行卷積處理。經(jīng)過三次 Upsample 的操作，我們得到了 28 x 28 x 64 的數(shù)據(jù)大小。***，我們要將這個結(jié)果再進行一次卷積，處理成我們原始圖像的大小。

***一步定義 loss 和 optimizer。

loss 函數(shù)我們使用了交叉熵進行計算，優(yōu)化函數(shù)學習率為 0.001。

構(gòu)造噪聲數(shù)據(jù)

通過上面的步驟我們就構(gòu)造完了整個卷積自編碼器模型。由于我們想通過這個模型對圖片進行降噪，因此在訓練之前我們還需要在原始數(shù)據(jù)的基礎(chǔ)上構(gòu)造一下我們的噪聲數(shù)據(jù)。

我們通過上面一個簡單的例子來看一下如何加入噪聲，我們獲取一張圖片的數(shù)據(jù) img（大小為 784），在它的基礎(chǔ)上加入噪聲因子乘以隨機數(shù)的結(jié)果，就會改變圖片上的像素。接著，由于 MNIST 數(shù)據(jù)的每個像素數(shù)據(jù)都被處理成了 0-1 之間的數(shù)，所以我們通過 numpy.clip 對加入噪聲的圖片進行 clip 操作，保證每個像素數(shù)據(jù)還是在 0-1 之間。

np.random.randn(*img.shape) 的操作等于 np.random.randn(img.shape[0], img.shape[1])

我們下來來看一下加入噪聲前后的圖像對比。

訓練模型

介紹完模型構(gòu)建和噪聲處理，我們接下來就可以訓練我們的模型了。

在訓練模型時，我們的輸入已經(jīng)變成了加入噪聲后的數(shù)據(jù)，而輸出是我們的原始沒有噪聲的數(shù)據(jù)，主要要對原始數(shù)據(jù)進行 reshape 操作，變成與 inputs_相同的格式。由于卷積操作的深度，所以模型訓練時候有些慢，建議使用 GPU 跑。

記得***關(guān)閉 sess。

結(jié)果可視化

經(jīng)過上面漫長的訓練，我們的模型終于訓練好了，接下來我們就通過可視化來看一看模型的效果如何。

可以看到通過卷積自編碼器，我們的降噪效果還是非常好的，最終生成的圖片看起來非常順滑，噪聲也幾乎看不到了。

有些小伙伴可能就會想，我們也可以用基礎(chǔ)版的 input-hidden-output 結(jié)構(gòu)的 AutoEncoder 來實現(xiàn)降噪。因此我也實現(xiàn)了一版用最簡單的 input-hidden-output 結(jié)構(gòu)進行降噪訓練的模型（代碼在我的 GitHub）。我們來看看它的結(jié)果：

可以看出，跟卷積自編碼器相比，它的降噪效果更差一些，在重塑的圖像中還可以看到一些噪聲的影子。

結(jié)尾

至此，我們完成了基礎(chǔ)版本的 AutoEncoder 模型，還在此基礎(chǔ)上加入卷積層來進行圖片降噪。相信小伙伴對 AntoEncoder 也有了一個初步的認識。

完整的代碼已經(jīng)放在我的 GitHub(NELSONZHAO/zhihu) 上，其中包含了六個文件：

• BasicAE，基礎(chǔ)版本的 AutoEncoder（包含 jupyter notebook 和 html 兩個文件）

• EasyDAE，基礎(chǔ)版本的降噪 AutoEncoder（包含 jupyter notebook 和 html 兩個文件）

• ConvDAE，卷積降噪 AutoEncoder（包含 jupyter notebook 和 html 兩個文件）

如果覺得不錯，可以給我的 GitHub 點個 star 就更好啦！