Encoder, cuello de botella y decoder
Comprima los datos a través de un espacio latente
Encoder, cuello de botella y decoder es una lección gratuita de Deep Learning Academy en CoddyKit. Esta es la lección 1 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de Deep Learning Academy, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de Deep Learning Academy incluye 4 lecciones en total.
Partes de esta lección aún no han sido traducidas y se muestran en inglés.
Meet the Autoencoder
An autoencoder learns to copy its input to its output. The trick is forcing the data through a tiny middle, so it must learn what truly matters.
The Encoder Compresses
The encoder takes your input and squeezes it down into a small set of numbers. Think of it as packing a suitcase: only the essentials fit.
The Bottleneck
The bottleneck is the smallest layer in the middle. Its tiny size is the whole point: the network cannot just memorize, it has to summarize. 🎯
The Latent Code
The compressed numbers in the bottleneck form the latent code. This short vector is a dense, learned summary of your original input.
The Decoder Rebuilds
The decoder takes the latent code and tries to rebuild the full original input. It unpacks the suitcase back into something useful.
Reconstruction Loss
You measure success with reconstruction loss: how close the output is to the input. Lower loss means a better rebuild.
loss = mse_loss(decoded, original)An Encoder in PyTorch
An encoder is often just stacked linear layers shrinking the size. Here input 784 becomes a latent code of just 32 numbers.
encoder = nn.Sequential(
nn.Linear(784, 128), nn.ReLU(),
nn.Linear(128, 32))A Mirror-Image Decoder
The decoder usually mirrors the encoder, growing the code back to full size. Symmetry keeps the design simple and balanced.
decoder = nn.Sequential(
nn.Linear(32, 128), nn.ReLU(),
nn.Linear(128, 784))Why Force Compression?
If the middle were large, the net could just copy values straight through. The narrow bottleneck forces it to find real structure in the data.
Trained Without Labels
Autoencoders learn from data alone, no labels needed. This makes them a classic example of unsupervised learning. ✨
The Latent Space
All possible latent codes together form the latent space. Similar inputs land near each other, giving you a compact, meaningful map of your data.
Quick Check
Let us check the core idea of the bottleneck.
Recap
You met the three parts: an encoder that compresses, a tiny bottleneck holding the latent code, and a decoder that rebuilds. Reconstruction loss guides it all. 🎉
Preguntas frecuentes
¿La lección «Encoder, cuello de botella y decoder» es gratis?
Sí — el texto completo de «Encoder, cuello de botella y decoder» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de Deep Learning Academy, actualiza a CoddyKit PRO. El curso de Deep Learning Academy incluye 4 lecciones en total.
¿Qué aprenderé en «Encoder, cuello de botella y decoder»?
Comprima los datos a través de un espacio latente Practicas Deep Learning Academy con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar Deep Learning Academy?
No se requiere experiencia previa. Deep Learning Academy en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 1 de 4.
¿Cuánto tiempo toma la lección «Encoder, cuello de botella y decoder»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de Deep Learning Academy?
Sí. Cada lección de Deep Learning Academy incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- Encoder, cuello de botella y decoder
- Autoencoders de eliminación de ruido
- Autoencoders variacionales y espacio latente
- Detección de anomalías mediante el error de reconstrucción