卷积自动编码器如何学习多个类？ （数字数据）

Question

我知道CNN自动编码器的工作原理，但是突然之间，我感到很奇怪。 数字数据具有10类，这意味着自动编码器不仅可以学习二进制，还可以学习多个类。 但是，我认为自动编码器只能在一堂课中学习... 有人可以解释吗？ ：）

cnn自动编码器示例（数字数据）：https://blog.keras.io/building-autoencoders-in-keras.html

Answer 1

在此示例中，数据集中的类不相关。自动编码器只是尝试使输出图像尽可能地类似于输入图像。

Answer 2

谢谢大家， 我只是试验了我的假设，我意识到它确实有效。 也就是说，我使用（0,1）位数字作为A类，（0,1,2）位数字作为B类制作了自动编码器。 然后，在学习之后，重建图像显示与“ 0”或“ 1”相比，数字图像“ 2”非常奇怪。因此，“ 2”与输入图像（0,1）不相似。 正如@ml_is_just_statistics所说，自动编码器只是将输入图像作为ONE类学习。