可视化自编码器训练结果
From Ufldl
Line 32: | Line 32: | ||
【原文】: | 【原文】: | ||
- | By displaying the image formed by these pixel intensity values, we can begin to understand what feature hidden unit | + | By displaying the image formed by these pixel intensity values, we can begin to understand what feature hidden unit <math>\textstyle i</math> is looking for. |
【初译】: | 【初译】: | ||
用求得的输入像素的值作为图像的亮度进行显示,我们就可以了解到隐藏单元i要寻找的特征值是什么样子了。 | 用求得的输入像素的值作为图像的亮度进行显示,我们就可以了解到隐藏单元i要寻找的特征值是什么样子了。 | ||
Line 52: | Line 52: | ||
假如我们训练的自编码器有100个隐藏单元,可视化结果就会包含100幅这样的图像——每个隐藏单元都对应一幅图像。审视这100幅图像,我们可以试着体会这些隐藏单元学出来的整体效果是什么样的。 | 假如我们训练的自编码器有100个隐藏单元,可视化结果就会包含100幅这样的图像——每个隐藏单元都对应一幅图像。审视这100幅图像,我们可以试着体会这些隐藏单元学出来的整体效果是什么样的。 | ||
【原文】: | 【原文】: | ||
- | When we do this for a sparse autoencoder (trained with 100 hidden units on 10x10 pixel | + | When we do this for a sparse autoencoder (trained with 100 hidden units on 10x10 pixel inputs<sup>1</sup> we get the following result: |
【初译】: | 【初译】: | ||
当我们对一个稀疏自编码器(使用10×10的像素输入对100个隐藏单元进行训练,注1)进行以上的可视化处理后,得到了如下的结果: | 当我们对一个稀疏自编码器(使用10×10的像素输入对100个隐藏单元进行训练,注1)进行以上的可视化处理后,得到了如下的结果: | ||
Line 65: | Line 65: | ||
【原文】: | 【原文】: | ||
- | Each square in the figure above shows the (norm bounded) input image | + | Each square in the figure above shows the (norm bounded) input image<math>\textstyle x</math>that maximally actives one of 100 hidden units. We see that the different hidden units have learned to detect edges at different positions and orientations in the image. |
【初译】: | 【初译】: | ||
上图中每一个方格表示使这个方格对应的隐藏单元得到最大激励的输入图像x(经过归一化)。我们可以看到,不同的隐藏单元学会了在图像的不同位置和方向想进行边缘检测。 | 上图中每一个方格表示使这个方格对应的隐藏单元得到最大激励的输入图像x(经过归一化)。我们可以看到,不同的隐藏单元学会了在图像的不同位置和方向想进行边缘检测。 |