所以我正在训练一个可以重新创建 128x128 图像的自动编码器，因此它可以通过首先将它们分成 128x128 块来重新创建任何图像，通过自动编码器运行它，然后将它们相互组合以形成原始图像。

我也应该使用其他尺寸，但现在我正在使用 512x512 图像进行测试。所以 ：

   x = next_train_batch(25) 


    for xx in range(0,4):
        x_index = xx*128
        for y in range(0,4):
            y_index = y*128

            this_image = x[:, x_index:x_index+128, y_index:y_index+128, :]
            sess.run(training, feed_dict={x_in: this_image, step_iter_global:step_iter})

这就是我现在的做法。但这一直在发生：

没错，这只是训练过程的开始。但我想我想知道为什么自动编码器很难学习补丁的边缘。这些网格线实际上仍然存在于自动编码器中某些层的可视化中（我这样做的原因是因为我正在尝试可能改进自动编码器的新层），即使输出图像没有它。