自动编码器使用编码器和解码器部分进行训练，但在训练后只使用编码器，解码器被丢弃。

所以，如果你想获得降维，你必须设置编码器和解码器之间的层，其维度低于输入的维度。然后丢弃解码器，并将该中间层用作输出层。

为了更好地理解，我在这里添加了一张图片。自动编码器遵循神经网络的策略。自动编码器由编码器和解码器组成。它的一半是编码器，其余的是解码器。根据图像，有多个特征x1, x2,x3和编码器对其进行编码并提供z1和z2作为输出。编码输出也是z1如此。z2相反，如果您以相同的方式再次解码，您将获得输入。但是，它可能与输入不完全相同。但是，它接近输入。基本上，取决于错误率。

自动编码器用于减少多维特征，如图所示。解码器部分用于衡量自动编码器的性能是否良好。我的意思是测量编码特征的错误率。在训练模型后的大部分时间，解码器仍然未使用。