自动编码器，也就是自编码神经网络，是神经网络的一种
采用无监督学习的方式对高维数据进行高效的特征提取和特征表示，在学术界和工业界都大放异彩
我们之前看的都是监督学习
但是生活中的大量的数据都是没有label的
现在来看非监督学习
机器学习领域的三大方向
强化学习（樱桃）、监督学习（蛋糕的外皮）、非监督学习
为什么需要非监督学习？
降维
利用大量的无标签数据
https://projector.tensorflow.org/
Auto-Encoders
监督学习是有一个明确的目标的，那么非监督学习也是有目标的
目标就是重建它自己
与CNN不同的在于，CNN的输出层是分类，如果是十分类输出层就有10个节点。但无监督网络就无法分类，其目标就是重建自己，所以输出层的节点数=输入层的节点数
自编码神经网络就是一个特殊的全连接层
neck可以升维也可以降维，大部分是降维
怎样训练
PCA vs AutoEncoders
AutoEncoder的一些变种
Adversarial Autoencoders
对抗自编码器，AAE
将GAN的技术应用到了autoencoder上面