YouTube网红小哥Siraj Raval系列视频又和大家见面啦！今天要讲的是自编码器Autoencoder。
时长8分钟
有中文字幕
点击观看
▼
首先，自编码器是一个神经网络。
如果我们得到的数据是正确标注的，不论是图像或音频或文本，我们就很幸运了。深度学习在有标注数据集上非常有效。这是因为总有一个函数代表了变量之间的关系。
比如如果我们的输入数据是一堆数字，还有定义了输入数据是偶数或者奇数的标签，那么代表这两列数字关系的函数就很简单：如果输入数据能被2整除，则这个数是偶数，不然就是奇数。
所有数据类型（视频或文本）均可用数字表示。因此总是有一个函数能映射关系。只不过比我们刚刚讨论过的函数更复杂一点。
所以我们现在可以跟电脑说话，真是太不可思议了。
-OK Google, do you love me?
-Ha ha ha ha, No.
（文摘菌：这段绝对不容错过！1'30''左右，一定要去原视频听听谷歌讽刺的笑声，是个女高音）
语音识别就是深度学习应用在标记数据集的结果。如果一个开发团队想要创建语音识别引擎，他们会使用以其转录本为标签的音频剪辑数据集。音频的每一个字节可以被分解成一系列数字，文字记录也可以。一些运算组合将输入转换成标签，这个组合就是函数。
神经网络可以通过反复的优化过程（也就是训练的过程）来慢慢逼近这个函数，简而言之就是每次迭代都最小化错误值。因此给定一个新的音频剪辑，它可以容易地预测到它的转录本会是什么样。
深度学习本质上是在完成从a到b的映射。更准确地说，它在完成通用函数逼近。
意思是有足够数据的话，神经网络可以逼近任何函数。
输入一个贷款申请，输出客户会偿还的可能性；输入电子邮件，输出它是垃圾邮件或非垃圾邮件的概率……
深度学习不仅仅能用来找到未知的函数，还能找到我们是如何发现一个已知函数的。
所有神经网络都是复合函数，也就是函数套函数。网络上的层数越多，其嵌套函数也越多。对于一个三层网络来说，我们要用第一个权重矩阵乘以输入，对它应用一个激活函数，再重复这个过程。
这次我们使用输出作为我们新的输入。输入时间，等待，激活，结果是我们的输出。这可以表示为复合函数，因为我们用第一个函数的输出作为下一个函数的输入。
不过，假设我们的目标不是找到一个标签Y，而是重建原始输入X呢？
如果我们的输入是由几个数字组成的数组，在应用一系列运算之后，我们的网络应该以完全相同的数字输出这些相同的输入。我们将第一部分，可以将压缩输入成更少比特数的网络的，称为编码器。我们可以将第二部分，建立视觉图像的，称为译码器。
我们为什么要关心这个呢？我们不关心输出，因为输出只是复制了输入，我们关心的是隐藏层。如果一个网络能够重建输入，那么隐藏层必须包含足够信息给输出。如果隐藏层比输入层和输出层小，那么它代表的是低密度的相同信息，是从学习中得到的输入数据的集中代表。
也有别的更好的办法来压缩数据，不过自编码器在某些领域还是很有用的，例如降维。它也可以被用在分类问题上。如果自编码器能正确地构建示例，这个示例很可能和用于训练的类别属于同一类。另外一个用途是异常检测。我们用正常例进行训练，这样可以很容易发现异常。如果我们训练它检测训练集中的异常，它只会发现那些已经见过的异常，而通常情况下异常值是比较少的。
好啦！更多有关自编码器的分类和代码的内容，可以自行看视频和通过文末的链接下载代码喔。以下是视频的重点总结：
神经网络可以缓慢地逼近各种函数，它可以通过训练（迭代优化过程）从而映射输入为输出。如果我们把输出设置为输入，就可以称这个神经网络为自编码器。自编码器有很多类型，包括最近出现的变分自编码器（VAE）。
最后附上一个视频里有关语音助手的笑话：
贝佐斯：Alexa，买点Whole Food的吃的做晚餐。
Alexa：好的，正在买Whole Food。
（指语音助手误会这位CEO的意思让亚马逊直接收购Whole Food）
原文发布时间为：2018-04-21
本文作者：文摘菌