Codificador, Gargalo e Decodificador
Comprima os dados através de um espaço latente
Codificador, Gargalo e Decodificador é uma aula grátis de Deep Learning Academy no CoddyKit. Esta é a aula 1 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de Deep Learning Academy, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de Deep Learning Academy inclui 4 aulas no total.
Partes desta aula ainda não foram traduzidas e aparecem em inglês.
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. 🎉
Perguntas Frequentes
A aula “Codificador, Gargalo e Decodificador” é grátis?
Sim — o texto completo de “Codificador, Gargalo e Decodificador” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de Deep Learning Academy, atualize para CoddyKit PRO. O curso de Deep Learning Academy inclui 4 aulas no total.
O que vou aprender em “Codificador, Gargalo e Decodificador”?
Comprima os dados através de um espaço latente Você pratica Deep Learning Academy com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.
Preciso ter experiência prévia para começar Deep Learning Academy?
Nenhuma experiência prévia é necessária. Deep Learning Academy no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 1 de 4.
Quanto tempo leva a aula “Codificador, Gargalo e Decodificador”?
A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.
Posso escrever e executar código nesta aula de Deep Learning Academy?
Sim. Cada aula de Deep Learning Academy inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.
Todas as aulas deste curso
- Codificador, Gargalo e Decodificador
- Autoencoders de Remoção de Ruído
- Autoencoders Variacionais e o Espaço Latente
- Detecção de Anomalias por Erro de Reconstrução