自动编码器基本上是一种寻找代表输入图像的基本特征的技术。一个简单的自动编码器将在输入和输出之间有 1 个隐藏层，而深度自动编码器将有多个隐藏层（隐藏层的数量取决于您的配置）。参考下图第一张图（deep autoencoder），输入图像的demsion（例如size=100x100像素）分别减少到2000,1000,500,30（例如size=10x3）；这部分称为编码器。然后，将缩减的编码器层重构回原始图像；这部分称为解码器。通常，您可以使用在编码器的任何层（即 2000,1000,500 或 30）中产生的特征来构建分类器（例如 softmax 分类器）。

您可以想象每个隐藏层都代表某​​种形式的基本特征，这些基本特征构成了下一层特征。（见下图；第一层学习颜色形成；第二层学习边缘；第三层学习人脸的不同部分；第四层学习表示人脸的部分组合）

参考：

1. 琼斯，N.（2014 年）。计算机科学：学习机器。自然，505（7482），146-148。doi:10.1038/505146a

2. Hinton, G. 和 Salakhutdinov, R. (2006)。使用神经网络降低数据的维数。科学，313（5786），504--507。

学习深度学习的好教程：http: //ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial

用于 UFLDL 教程示例解决方案的 github： https ://github.com/johnny5550822/Ho-UFLDL-tutorial