Encoder, collo di bottiglia e decoder
Faccia passare i dati attraverso uno spazio latente
Encoder, collo di bottiglia e decoder è una lezione Deep Learning Academy gratuita su CoddyKit. Questa è la lezione 1 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento Deep Learning Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso Deep Learning Academy include 4 lezioni in totale.
Parti di questa lezione non sono ancora state tradotte e vengono mostrate in inglese.
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. 🎉
Domande Frequenti
La lezione «Encoder, collo di bottiglia e decoder» è gratuita?
Sì — il testo completo di «Encoder, collo di bottiglia e decoder» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso Deep Learning Academy, passa a CoddyKit PRO. Il corso Deep Learning Academy include 4 lezioni in totale.
Cosa imparerò in «Encoder, collo di bottiglia e decoder»?
Faccia passare i dati attraverso uno spazio latente Eserciti Deep Learning Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare Deep Learning Academy?
Non è richiesta alcuna esperienza precedente. Deep Learning Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 1 di 4.
Quanto tempo richiede la lezione «Encoder, collo di bottiglia e decoder»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione Deep Learning Academy?
Sì. Ogni lezione Deep Learning Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Encoder, collo di bottiglia e decoder
- Autoencoder per la riduzione del rumore
- Autoencoder variazionali e spazio latente
- Rilevare anomalie con l'errore di ricostruzione