Mãos à Obra: Aprendizado de Máquina com Scikit-Learn e TensorFlow

Autoencoders Empilhados | 441

Visualizando as Reconstruções

Comparar as entradas e as saídas é uma forma de garantir que um autoencoder seja

adequadamente treinado. Elas devem ser bem semelhantes e as diferenças devem ser

detalhes sem importância. Plotaremos dois dígitos aleatórios e suas reconstruções:

n_test_digits = 2

X_test = mnist.test.images[:n_test_digits]

with tf.Session() as sess:

[...] # Treine o Autoencoder

outputs_val = outputs.eval(feed_dict={X: X_test})

def plot_image(image, shape=[28, 28]):

plt.imshow(image.reshape(shape), cmap="Greys", interpolation="nearest")

plt.axis("off")

for digit_index in range(n_test_digits):

plt.subplot(n_test_digits, ...