[DAY15]一起來實作Convolutional Autoencoder吧!

15th鐵人賽

派大星寶寶

2023-09-24 00:08:51

450 瀏覽

分享至

前言

昨天跟各位分享了Convolutional Autoencoder的相關理論，而今天將會分享如何用CAE實現MNIST數據集圖像重建，那我們廢話不多說，正文開始！

正文

其實code跟Autoencoder沒差多少，所以我直接作修改

MNIST是Tensorflow內建的手寫數字數據集，因此不需要從網路上下載！

先載入所需的套件

import tensorflow as tf
from tensorflow.keras.datasets import mnist
import numpy as np
import matplotlib.pyplot as plt

然後我們需要載入MNIST數據集，然後再進行前處理

(x_train, _), (x_test, _) = mnist.load_data()

x_train = x_train.astype('float32') / 255.
x_test = x_test.astype('float32') / 255.

x_train = np.expand_dims(x_train, axis=-1)
x_test = np.expand_dims(x_test, axis=-1)

MNIST數據集的圖片為黑白圖，因此顏色深度為0到255，

我們將測試集和訓練集的數據轉為浮點數，並且將像素值縮到0到1的範圍內，然後我們需要將數據集的形狀從[28,28]修改為[28,28,1]

接下來我們要設定模型的基本參數

input_img = tf.keras.Input(shape=(28, 28, 1))

這裡我們創建一個輸入層，輸入形狀為[28,28,1]—也就是我們數據集的形狀

接下來就是構件模型了~


x = tf.keras.layers.Conv2D(32, (3, 3), activation='relu', padding='same')(input_img)
x = tf.keras.layers.MaxPooling2D((2, 2), padding='same')(x)
x = tf.keras.layers.Conv2D(64, (3, 3), activation='relu', padding='same')(x)
encoded = tf.keras.layers.MaxPooling2D((2, 2), padding='same')(x)

x = tf.keras.layers.Conv2D(64, (3, 3), activation='relu', padding='same')(encoded)
x = tf.keras.layers.UpSampling2D((2, 2))(x)
x = tf.keras.layers.Conv2D(32, (3, 3), activation='relu', padding='same')(x)
x = tf.keras.layers.UpSampling2D((2, 2))(x)
decoded = tf.keras.layers.Conv2D(1, (3, 3), activation='sigmoid', padding='same')(x)

autoencoder = tf.keras.Model(input_img, decoded)

autoencoder.compile(optimizer='adam', loss='binary_crossentropy')

我們先建立了兩層捲積層（Conv2D layer），然後在每個捲積層下增加一個池化層(MaxPooling2D)，並且使用了ReLU激活函數。然後再建立了另一個捲積層，激活函數為sigmoid。接下來我們創建一個單獨是編碼器以及解碼器的模型就可以了！

最後的部分是編譯的動作，我們使用Adam 優化器且損失為二元交叉熵

接下是訓練模型以及預測

autoencoder.fit(x_train, x_train, epochs=50, batch_size=256, shuffle=True, validation_data=(x_test, x_test))

decoded_imgs = autoencoder.predict(x_test)

這樣就訓練的部分就完結了!接下來我們來將重建的圖片以及原圖做比對

n = 2
plt.figure(figsize=(4, 4))
for i in range(n):
    ax = plt.subplot(2, n, i + 1)
    plt.imshow(x_test[i].reshape(28, 28))
    plt.gray()
    ax.get_xaxis().set_visible(False)
    ax.get_yaxis().set_visible(False)

    ax = plt.subplot(2, n, i + 1 + n)
    plt.imshow(decoded_imgs[i].reshape(28, 28))
    plt.gray()
    ax.get_xaxis().set_visible(False)
    ax.get_yaxis().set_visible(False)
plt.show()

在這邊我重建兩張圖片，並且讓他們形狀從784轉變為原本的28*28，這樣就可以看到重建的結果了~