卷积自编码器pytorch代码

当然，请看下面的代码示例：

import torch
import torch.nn as nn

class ConvolutionalAutoencoder(nn.Module):
    def __init__(self):
        super(ConvolutionalAutoencoder, self).__init__()
        
        # Encoder
        self.encoder = nn.Sequential(
            nn.Conv2d(1, 16, kernel_size=3, stride=2, padding=1),
            nn.ReLU(),
            nn.Conv2d(16, 8, kernel_size=3, stride=2, padding=1),
            nn.ReLU(),
            nn.Conv2d(8, 4, kernel_size=3, stride=1, padding=1),
            nn.ReLU()
        )
        
        # Decoder
        self.decoder = nn.Sequential(
            nn.ConvTranspose2d(4, 8, kernel_size=3, stride=1, padding=1),
            nn.ReLU(),
            nn.ConvTranspose2d(8, 16, kernel_size=3, stride=2, padding=1, output_padding=1),
            nn.ReLU(),
            nn.ConvTranspose2d(16, 1, kernel_size=3, stride=2, padding=1, output_padding=1),
            nn.Sigmoid()
        )
    
    def forward(self, x):
        encoded = self.encoder(x)
        decoded = self.decoder(encoded)
        return decoded

这是一个使用PyTorch实现的简单卷积自编码器。它由一个编码器和一个解码器组成，编码器将输入图像压缩为低维表示，解码器则将低维表示重构为原始图像。在本例中，我们使用了卷积层和反卷积层来实现自编码器的压缩和重构过程。你可以根据需要调整卷积层的数量、大小和步长，以及反卷积层的参数。

希望这个代码示例对你有帮助！如果你有任何其他问题，请随时问我。