Tensorflow实战3：实现去噪自编码器

1.自编码器的简介
自编码器（AutoEncoder）是一种典型的无监督学习，即不需要对样本进行手工标注，就可对数据进行一定程度的学习。这是对人工成本的极大节约（亲身体会，标注数据真的还蛮痛苦的，比较枯燥啦）。第二个特点是对特征进行逐层抽象，在最开始的几层，可能就是比较简单的角点，边缘之类的信息，后面会逐渐出现稍微复杂的比如说长方形等，到最后是高度抽象的图形，一般肉眼是很难直接判断出到底是什么特征形式。
自编码器就是可以使用自身的高阶特征来编码自己。通俗点的说法就是让一个人学习画一幅画，最后学到尽量和原作品一模一样，那么学习就成功了。自编码器也就是这个状态，只不过，人的大脑有特别多的神经元，而计算机是有限制的，不可能把每个特征都完整复刻下来，只能找到当中的规则，进行组合来恢复到最初的状态。

2.实现自编码器

import numpy as np
import sklearn.preprocessing as prep
import tensorflow as tf 
from tensorflow.examples.tutortials.mnist import input_data

这里可能会出现一个问题就是"No module named sklearn.preprocessing",这是因为之前没有安装sklearn这个库，可以直接通过pip进行安装。
上面主要就是导入相关库的操作。
实现标准的均匀分布的Xaiver初始化器，其中fan_in是输入节点的数量，fan_out是输出节点的数量。

def xavier_init(fan_in, fan_out, constant = 1):
    low = -constant * np.sqrt(6.0 / (fan_in + fan_out))
    high = constant * np.sqrt(6.0 / (fan_in + fan_out))
    return tf.random_uniform((fan_in, fan_out),
        minval = low, maxval = high, dtype = tf.float32)

接下来我们就要定义一个去噪自编码的类，方便今后的使用。

class AdditiveGaussianNoiseAutoencoder(object):
    def __init__(self, n_input, n_hidden, transfer_function = tf.nn.softplus, optimizer = tf.train.AdamOptimizer(), scale = 0.1):
        self.n_input = n_input
        self.n_hidden = n_hidden
        self.transfer = transfer_function
        self.scale = tf.placeholder(tf.float32)
        self.training_scale = scale
        network_weights = self._initialize_weights()
        self.weights = network_weights

接下来我们就要开始定义网络结构，这个和之前讲过的类似。

self.x = tf.placeholder(tf.float32, [None, self.n_input])
self.hidden = self.transfer(tf.add(tf.matmul(self.x + scale * tf.random_normal((n_input,)), self.weights['w1']), self.weights['b1']))
self.reconstruction = tf.add(tf.matmul(self.hidden, self.weights['w2']), self.weights['b2'])

接下来定义自编码器的损失函数，这里直接使用的是平方误差。

self.cost  = 0.5 * tf.reduce_sum(tf.pow(tf.subtract(self.reconstruction, self.x), 2.0))
self.optimizer = optimizer.minimize(self.cost)
init = tf.gobal_variables_initializer()
self.sess = tf.Session()
self.sess.run(init)

下面进行的就是参数初始化：

def _initialize_weights(self):
    all_weights = dict()
    all_weights['w1'] = tf.Variable(xavier_init(self.n_input, self.n_hidden))
    all_weights['b1'] = tf.Variable(tf.zeros([self.n_hidden], dtype = tf.float32))
    all_weights['w2'] = tf.Variable(tf.zeros([self.n_hidden, self.n_input], dtype = tf.float32))
    all_weights['b2'] = tf.Variable(tf.zeros([self.n_input], dtype = tf.float32))
    return all_weights

定义损失和执行下一步训练的函数：

def partial_fit(self, x):
    cost, opt = self.sess.run((self.cost, self.optimizer), feed_dic = {self.x: X, self.scale: self.training_scale})
    return cost

计算损失代价的函数：

def calc_total_cost(self, X):
    return self.sess.run(self.cost, feed_dict = {self.x: X,
    self.scale: self.training_scale})

    提供一个接口来获取自编码器隐含层获取的特征：

def transfer(self, X):
    return self.sess.run(self.hidden, feed_dict = {self.x: X, self.scale: self.training_scale})

接着将高阶特征恢复为原始数据：

def generate(self, hidden = None):
    if hidden == None:
        hidden = no.random.normal(size = self.weights["b1"])
    return self.sess.run(self.reconstruction, feed_dict = {self.hidden: hidden})

定义recontruct函数，输入原数据，输出是复原后的数据:

def reconstruct(self, X):
    return self.sess.run(self.reconstruction, feed_dict = {self.x: X, self.scale: self.training_scale})

获取隐含层w1的权重：

def getWeights(self):
    return self.sess.run(self.weights['w1'])

获取隐含层b1的偏置系数：

def getBiases(self):
    return self.sess.run(self.weights['b1'])

到此为止，自编码器的class才全部定义完成。

3.其余部分
载入MNIST的数据集

mnist = input_data.read_data_sets('MNIST_data', one_hot = True)

对数据进行标准化处理，数据标准化主要功能就是消除变量间的量纲关系，从而使数据具有可比性。举个简单的例子，比如有一个数据集包含体重和身高，体重一般在60kg,而身高在1.65m左右，如果直接对这两类进行数据处理，那么很明显，体重所占的权重会比身高所占的权重要大很多，但如果我们认为原本这两个因素在某种问题下是等价的，那么就需要把数据都进行标准化。也就是让数据变成0均值且标准差为1的分布。

def standard_scale(X_train, X_test):
    preprocessor = prep.StandardScaler().fit(X_train)
    X_train = preprocessor.transform(X_train)
    X_test = preprocessor.transform(X_test)
    return X_train, X_test

随机获取block数据，进行不放回抽样：

def get_random_block_from_data(data, batch_size):
    start_index = np.random.randint(0, len(data) - batch_size)
    return data[start_index: (start_index + batch_size)]

调用标准化函数对训练和测试集进行标准化：

X_train, X_test = standard_scale(mnist.train.images, mnist.test.images)

定义几个常用参数：最大训练的轮数（epoch），batch_size设置为128，每一轮显示一次cost。

n_samples = int(mnist.trian.num_examples)
training_epochs = 20
batch_size = 128
display_step = 1

创建一个AGN（加性高斯噪声）自编码器的实例

autoencoder = AdditiveGaussianNoiseAutoencoder(n_input = 784, n_hidden = 200, transfer_function = tf.nn.softplus, optimizer = tf.train.AdamOptimizer(learning_rate = 0.001), scale = 0.01)

下面进行训练过程：

for epoch in range(training_epochs):
    avg_cost = 0
    total_batch = int(n_samples / batch_size)
    for i in range(total_batch):
        batch_xs = get_random_block_from_data(X_train, batch_size)
        cost = autoencoder.partial_fit(batch_xs)
        avg_cost += cost / n_samples * batch_size
    if epoch % display_step == 0:
        print("Epoch:", '%04d' %(epoch + 1), "cost = ", "{:.9f}".format(avg_cost))
print("Total cost:" + str(autorncoder.calc_total_cost(X_test)))

至此，去噪自编码器就完全实现啦！为什么叫去噪呢，是因为我们在之前输入的数据是加了高斯噪声的，但是我们在学习特征时是不能把噪声也学进去的，所以这里还实现了一个去噪的功能。哈哈，大功告成O(∩_∩)O