请写一段构建Autoencoder模型的示例

好的，以下是一个简单的Autoencoder模型构建示例：

import tensorflow as tf

# 定义输入层
input_layer = tf.keras.layers.Input(shape=(784,))

# 定义编码器层
encoder = tf.keras.layers.Dense(units=256, activation='relu')(input_layer)
encoder = tf.keras.layers.Dense(units=128, activation='relu')(encoder)
encoder = tf.keras.layers.Dense(units=64, activation='relu')(encoder)

# 定义解码器层
decoder = tf.keras.layers.Dense(units=128, activation='relu')(encoder)
decoder = tf.keras.layers.Dense(units=256, activation='relu')(decoder)
decoder = tf.keras.layers.Dense(units=784, activation='sigmoid')(decoder)

# 定义Autoencoder模型
autoencoder_model = tf.keras.models.Model(inputs=input_layer, outputs=decoder)

# 编译模型
autoencoder_model.compile(optimizer='adam', loss='binary_crossentropy')

该示例中，Autoencoder模型包含一个输入层、一个编码器层和一个解码器层。编码器层逐渐减少特征维度，解码器层逐渐增加特征维度，最终输出与输入层相同形状的数据。我们使用二进制交叉熵作为损失函数，优化器使用Adam。