自動(dòng)編碼器的一個(gè)典型應(yīng)用是特征降維，和PCA的作用一樣，但是比PCA的性能更強(qiáng)。

　　可回以想這樣答一個(gè)場(chǎng)景：我們要訓(xùn)練一個(gè)CNN模型，這個(gè)模型最終可以識(shí)別貓、狗、船等，那么我們需要給它喂入大量的貓狗等圖像，假如這些圖像都是高清的，即數(shù)據(jù)維度很大，那么CNN訓(xùn)練的時(shí)間就會(huì)變長(zhǎng)。這時(shí)候需要將圖片壓縮一下，我們當(dāng)然可以考慮使用圖像壓縮算法，這里只是舉一個(gè)例子，如果某些數(shù)據(jù)集不是圖片，如何壓縮呢？

　　答案可以使用自編碼器，自編碼器可以將高維的數(shù)據(jù)特征用一個(gè)低維的特征來(lái)表示，

　　自動(dòng)編碼器的作用是通過(guò)編碼器只學(xué)習(xí)其典型特征（維度降低了），該特征通過(guò)解碼器可以大致復(fù)原原來(lái)的數(shù)據(jù)即可。這樣再將這個(gè)學(xué)習(xí)到的低維特征輸入到相應(yīng)的神經(jīng)網(wǎng)絡(luò)中，可以大大減少訓(xùn)練的時(shí)間。在實(shí)際應(yīng)用中，我們訓(xùn)練好自動(dòng)編碼器后，一般只使用其編碼器部分，從而獲得低維的數(shù)據(jù)。再將這個(gè)數(shù)據(jù)輸入到其它分類模型中進(jìn)行訓(xùn)練。