Как сверточный автоэнкодер учится в нескольких классах?(бывшие цифры)

Question

Я знаю, как работает автоматический энкодер CNN, но вдруг я чувствую себя странно.Цифровые данные имеют 10 классов, это означает, что автоэнкодер может быть выучен не только двоичным, но и несколькими классами.Тем не менее, я думаю, что автоэнкодер может быть изучен только один класс ... Есть кто-нибудь, чтобы объяснить это?:)

Пример cnn autoencoder (цифровые данные): https://blog.keras.io/building-autoencoders-in-keras.html

Answer 1

Спасибо за все, я просто экспериментирую с моей гипотезой и понимаю, что она действительно работает.То есть я сделал автоэнкодер с (0,1) цифрами для класса A, (0,1,2) для класса B. Затем, после обучения, восстановленные изображения показывают, что цифра «2» очень странная по сравнению с 0 или1. Следовательно, «2» не похож на входное изображение (0,1).Как сказал @ml_is_just_statistics, автоэнкодер просто запоминает входное изображение как ОДИН класс.

Answer 2

В этом примере классы в наборе данных не актуальны.Автоэнкодер просто пытается сделать выходное изображение максимально похожим на входное изображение.