希望给出一个能运行的详细的自动编码器的示例代码（有注释），
只写核心部分真的不会用。
我想实现这样的：
演示样本随意，比如：{(1,0,0,0),(0,1,0,0),(0,0,1,0),(0,0,0,1)}
1.从文本文档中导入样本(可选)
2.利用自动编码器取出特征(必须)
3.把编码得出的特征保存到一个文本文档中(说明怎么取编码得到的特征也行)
另外我想知道一个：
训练自动编码器是样本越多越好吗？比如我有30万个样本，全部用来训练自动编码器吗，还是说只取其中一部分来训练呢？
我的开发环境是：
分享
http://keras-cn.readthedocs.io/en/latest/blog/autoencoder/
仔细读一下里面的例子就可以了。
假设你的input 叫做 in_data, 中间特征层叫做 code, 最终输出叫做out_data，
那么训练完成之后只需要encoder = Model(input=in_data, output=code)就可以构建encoder部分（特征提取），
然后features = encoder.predict(X_train)就可以得到特征 （假设你的输入叫做X_train）
得到的特征(上述features)变量是个numpy数组，你可以随意把这个数组存到本地（npy, pickle, 循环遍历等方法看你个人喜好。。。）
理论上，样本多了当然比少了好，而且本来autoencoder就不需要label，所有数据全用了在分类问题里都不能算作弊（毕竟没有用label）
分享
