在本博客中包含的自动编码器示例中，作者构建了一个隐藏层，如下所示。
# this is the size of our encoded representations
encoding_dim = 32 # 32 floats -> compression of factor 24.5, assuming the input is 784 floats
input_img = Input(shape=(784,))
encoded = Dense(encoding_dim, activation='relu')(input_img)
decoded = Dense(784, activation='sigmoid')(encoded)
autoencoder = Model(input=input_img, output=decoded)
# this model maps an input to its encoded representation
encoder = Model(input=input_img, output=encoded)
我可以理解上面的部分是如何工作的，但是我对下面构建解码器部分的部分感到困惑
# create a placeholder for an encoded (32-dimensional) input
encoded_input = Input(shape=(encoding_dim,))
# retrieve the last layer of the autoencoder model
decoder_layer = autoencoder.layers[-1]
# create the decoder model
decoder = Model(input=encoded_input, output=decoder_layer(encoded_input))
具体来说，我认为decoder应该定义为decoder = Model(input=encoded, output=decoded). 我不明白为什么我们必须引入额外的变量encoded_input。根据自动编码器模型，我们只是将编码部分解码为输出，因此解码器层的输入应该是encoded. 此外，如果解码器模型如上定义，为什么编码器没有定义为encoder=Model(input=input_img, output=autoencoder.layers[0](input_img))？