pytorch实现autoencoder

 关于autoencoder的内容简介可以参考这一篇博客，可以说写的是十分详细了https://sherlockliao.github.io/2017/06/24/vae/

盗图一张，自动编码器讲述的是对于一副输入的图像，或者是其他的信号，经过一系列操作，比如卷积，或者linear变换，变换得到一个向量，这个向量就叫做对这个图像的编码，这个过程就叫做encoder，对于一个特定的编码，经过一系列反卷积或者是线性变换，得到一副图像，这个过程叫做decoder，即解码。

然而自动编码器有什么用，看到上面的博客所写

所以现在自动编码器主要应用有两个方面，第一是数据去噪，第二是进行可视化降维。然而自动编码器还有着一个功能就是生成数据。

然而现在还没有用过这方面的应用，在这里需要着重说明一点的是autoencoder并不是聚类，因为虽然对于每一副图像都没有对应的label，但是autoencoder的任务并不是对图像进行分类啊。

就事论事，下面来分析一下一个大神写的关于autoencoder的代码，这里先给出github链接

先奉上代码

# -*-coding: utf-8-*-
__author__ = 'SherlockLiao'

import torch
import torchvision
from torch import nn
from torch.autograd import Variable
from torch.utils.data import DataLoader
from torchvision import transforms
from torchvision.utils import save_image
from torchvision.datasets import MNIST
import os

if not os.path.exists('./dc_img'):
    os.mkdir('./dc_img')


def to_img(x):  # 将vector转换成矩阵
    x = 0.5 * (x + 1)
    x = x.clamp(0, 1)
    x = x.view(x.size(0), 1, 28, 28)
    return x


num_epochs = 100
batch_size = 128
learning_rate = 1e-3

img_transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))
])

dataset = MNIST('./data', transform=img_transform)
dataloader = DataLoader(dataset, batch_size=batch_size, shuffle=True)


class autoencoder(nn.Module):
    def __init__(self):
        super(autoencoder, self).__init__()
        self.encoder = nn.Sequential(
            nn.Conv2d(1, 16, 3, stride=3, padding=1),  # b, 16, 10, 10
            nn.ReLU(True),
            nn.MaxPool2d(2, stride=2),  # b, 16, 5, 5
            nn.Conv2d(16, 8, 3, stride=2, padding=1),  # b, 8, 3, 3
            nn.ReLU(True),
            nn.MaxPool2d(2, stride=1)  # b, 8, 2, 2
        )
        self.decoder = nn.Sequential(
            nn.ConvTranspose2d(8, 16, 3, stride=2),  # b, 16, 5, 5
            nn.ReLU(True),
            nn.ConvTranspose2d(16, 8, 5, stride=3, padding=1),  # b, 8, 15, 15
            nn.ReLU(True),
            nn.ConvTranspose2d(8, 1, 2, stride=2, padding=1),  # b, 1, 28, 28
            nn.Tanh()  # 将输出值映射到-1~1之间
        )

    def forward(self, x):
        x = self.encoder(x)
        x = self.decoder(x)
        return x


model = autoencoder().cuda()
criterion = nn.MSELoss()
optimizer = torch.optim.Adam(model.parameters(), lr=learning_rate,
                             weight_decay=1e-5)

for epoch in range(num_epochs):
    for data in dataloader:
        img, _ = data  # img是一个b*channel*width*height的矩阵
        img = Variable(img).cuda()
        # ===================forward=====================
        output = model(img)
        a = img.data.cpu().numpy()
        b = output.data.cpu().numpy()
        loss = criterion(output, img)
        # ===================backward====================
        optimizer.zero_grad()
        loss.backward()
        optimizer.step()
    # ===================log========================
    print('epoch [{}/{}], loss:{:.4f}'
          .format(epoch+1, num_epochs, loss.data[0]))
    if epoch % 10 == 0:
        pic = to_img(output.cpu().data)  # 将decoder的输出保存成图像
        save_image(pic, './dc_img/image_{}.png'.format(epoch))

torch.save(model.state_dict(), './conv_autoencoder.pth')

可以说是写的相当清晰了，卷积，pooling，卷积，pooling，最后encoder输出的是一个向量，这个向量的尺寸是8*2*2，一共是32个元素，然后对这个8*2*2的元素进行反卷积操作，pytorch关于反卷积的操作的尺寸计算可以看这里

大概就这样开始训练，save_image是util中的一个函数，给定某一个batchsize的图像，将这个图像保存成8列，特定行的操作。

训练的loss如下

输出的图像如下，从左到右，从上往下，依次为epoch递增的情况

    

    

其实还是可以发现，随着epoch的增加，经过decoder生成的图像越来越接近真实图片