自动编码机可以用于图像压缩、图像去噪等任务，其由编码器与解码器构成，其本质就是对数据做一道编码与解码。编码器的输出用于解码器的输入，在自动编码机中通常认为解码器功能是编码器的逆变换。如果编码与解码过程是近乎无损的，那就是图像压缩；如果压缩与解码的过程是有损的【并非真正有损，而是不一样】（比如：解码后的图像与原图相比更清晰，就是图像去噪、去雾、去雨；分辨率提升了，就是图像超分辨率重构）。
解码无损的时候，也就是说做图像压缩，自动编码机的输入与输出都是一样的。
解码有损的时候，也就是说做图像优化，自动编码机的输入与输出都是存在不一样的，输入与输出的差异就是模型所学习的经验。
在paddle框架下，很难找到自动编码机的例子。因此，博主做了一个简易实现，并以minist数据进行简单测试。
1、自动编码机的核心结构
通常的自动编码机中，编码器与解码器的结构都是对称的，编码器负责提取特征（对于基于卷积的自动编码机提取特征主要通过conv与下采样实现），解码器负责还原特征（对于基于卷积的自动解码机提取特征主要通过conv与上采样实现）。
编码器由卷积池化组成，卷积提取特征，池化刷选特征；解码器由上采样与卷积组成，上采样有两种实现方式分别是插值与转置卷积。插值方式是指UpSample方式，该方式源自于传统图像缩放方法；转置卷积是Conv2DTranspose，是另一种卷积实现方式，通过对feature map填0后在做卷积实现上采样。Conv2DTranspose更多细节可以参考下列链接。需要注意的是UpSample是无参数，无需训练的；而Conv2DTranspose