2020-10-19 21:48:57

docs/pytorch/19.md

@@ -14,7 +14,7 @@
 
 自编码只用训练集就好了, 而且只需要训练 training data 的 image, 不用训练 labels.
 
-```
+```py
 import torch
 import torch.nn as nn
 from torch.autograd import Variable
@@ -46,7 +46,7 @@ train_data = torchvision.datasets.MNIST(
 
 AutoEncoder 形式很简单, 分别是 encoder  和 decoder , 压缩和解压, 压缩后得到压缩的特征值, 再从压缩的特征值解压成原图片.
 
-```
+```py
 class AutoEncoder(nn.Module):
     def __init__(self):
         super(AutoEncoder, self).__init__()
@@ -87,7 +87,7 @@ autoencoder = AutoEncoder()
 
 ![](img/c429fb827df769a542339e200e2ea20c.png)
 
-```
+```py
 optimizer = torch.optim.Adam(autoencoder.parameters(), lr=LR)
 loss_func = nn.MSELoss()
 
@@ -113,7 +113,7 @@ for epoch in range(EPOCH):
 
 3D 的可视化图挺有趣的, 还能挪动观看, 更加直观, 好理解.
 
-```
+```py
 # 要观看的数据
 view_data = Variable(train_data.train_data[:200].view(-1, 28*28).type(torch.FloatTensor)/255.)
 encoded_data, _ = autoencoder(view_data)    # 提取压缩的特征值