CAE卷积自编码器模型：原理剖析与图像重建实战

1次阅读

共计 1225 个字符，预计需要花费 4 分钟才能阅读完成。

传统全连接自编码器处理图像时，输入层需要展平为向量（比如 28×28 的 MNIST 图像会变成 784 维向量），这导致两个致命问题：

参数爆炸：假设隐藏层有 500 个神经元，仅这一层就需要 784×500=392,000 个权重参数
空间信息丢失：展平操作破坏了像素间的二维关联性，而卷积操作天然保留这种局部相关性

三种主流特征压缩模型的对比如下：

CAE：
优势：结构简单、训练稳定、重建质量高
劣势：缺乏概率建模能力
VAE：
优势：生成样本多样性好
劣势：重建图像往往模糊
GAN：
优势：生成质量最高
劣势：训练难度大、模式坍塌风险

# 编码器部分（降维）class Encoder(nn.Module):
    def __init__(self):
        super().__init__()
        self.conv1 = nn.Conv2d(1, 16, 3, padding=1)  # 保持尺寸不变
        self.pool = nn.MaxPool2d(2, 2)  # 下采样
        self.conv2 = nn.Conv2d(16, 8, 3, padding=1)

    def forward(self, x):
        x = F.relu(self.conv1(x))
        x = self.pool(x)  # 14x14
        x = F.relu(self.conv2(x))
        x = self.pool(x)  # 7x7
        return x

# 混合精度训练示例（需 PyTorch 1.6+）scaler = torch.cuda.amp.GradScaler()

for epoch in range(epochs):
    with torch.cuda.amp.autocast():  # 自动混合精度
        output = model(data)
        loss = criterion(output, target)

    scaler.scale(loss).backward()  # 缩放梯度
    scaler.step(optimizer)  # 更新参数
    scaler.update()  # 调整缩放系数

当使用 RTX 3090（24GB 显存）时：