通常只保留倾向于协助分类任务的数据的基本方面。完全连接的自动编码器，尤其是在图像的情况下，会导致大量可训练的参数。卷积自动编码器（CAE）提供了更好的选择，因为由于稀疏连接和重量共享，参数数量较少[9]。CAE以层的方式训练，可以将无监督的层彼此堆叠以构建层次结构。每一层都是独立于其他层的训练，其中前一层的输出充当后续层的输入。最后，使用跨凝结目标函数对整体层进行了堆叠和微调。不介意的初始化倾向于避免局部最小值并提高网络性能稳定性。