autoencoder相关内容
我试图了解自动编码器的深层功能. 我用 h2o.deeplearning 创建了一个自动编码器,然后尝试手动计算深度特征. 自动编码器 fit = h2o.deeplearning(x =名称(x_train),training_frame = x_train,activation ="Tanh",自动编码器= TRUE,隐藏= c(25,10),历元= 100,export_we
..
我刚刚为自己实现了AdaDelta( http://arxiv.org/abs/1212.5701 )深度神经网络库.这篇文章说,带有AdaDelta的SGD对超参数不敏感,并且它始终会收敛到一个好的地方.(至少AdaDelta-SGD的输出重建损失与良好的动量法相当) 当我在Denoising AutoEncoder中使用AdaDelta-SGD作为学习方法时,它确实在某些特定设置中收敛,
..
TLDR: 自动编码器不适合时间序列重建,只能预测平均值. 问题设置: 这是我尝试使用序列到序列自动编码器的摘要.此图像摘自本文: https://arxiv.org/pdf/1607.00148.pdf 问题: 无论我制作模型有多复杂,或者现在训练它多长时间,模型都只会学习平均值. 预测/重建: LSTM自动编码器始终返回输入序列的平均值 在那种情况下的
..
我想创建VAE(可变自动编码器).在模型创建期间,它将引发异常. 子类化Model类时,应实现call方法. 我正在使用Tensorflow 2.0 def vae(): models ={} def apply_bn_and_dropout(x): return l.Dropout(dropout_rate)(l.BatchNormalization
..
我正在构建一个自动编码器,我的数据中包含NaN值.如何创建自定义(MSE)损失函数,该函数在验证数据中遇到NaN时不计算损失? 从网络上获得了提示: def nan_mse(y_actual, y_predicted): per_instance = tf.where(tf.is_nan(y_actual), tf.zer
..
想象一个典型的自动编码器-解码器模型.但是,我需要使用结构化/自定义的解码器,而不是使用一般的解码器,将去卷积和放大比例用于创建/合成类似于模型输入的张量. 在这里,我需要解码器接受其输入,例如一个10x2张量,其中每行代表x,y位置或坐标,并渲染固定的预定义尺寸图像,其中在输入指定的位置生成10个高斯分布. 以另一种方式,我需要创建一个空的固定大小的张量,将10个坐标指定的位置填充为
..
我正在实现Tensorflow变体自动编码器,正是从《用Python进行深度学习》一书中复制了代码.直到几天前,该代码仍能正常工作,但从昨天起它已停止工作(我尚未更改代码). 该代码用于生成模型,该模型可以复制MNIST数据集中的图像. 具体错误消息如下: TypeError:正在传递函数构建代码之外的op 一个“图"张量.可能有图张量 通过包含一个从函数构建上下文中泄漏出来的内
..
我在Theano后端上使用Keras自动编码.并希望对720x1080 RGB图像进行自动编码. 这是我的代码 from keras.datasets import mnist import numpy as np from keras.layers import Input, LSTM, RepeatVector, Conv2D, MaxPooling2D, UpSampling2D fr
..
我有两种不同类型的图像(相机图像及其对应的草图).网络的目标是找到两个图像之间的相似性. 网络由单个编码器和单个解码器组成.单个编码器-解码器背后的动机是在它们之间共享权重. input_img = Input(shape=(img_width,img_height, channels)) def encoder(input_img): # Photo-Encoder Cod
..
我正在尝试使用自动编码器和Keras检测欺诈行为.我已将以下代码作为笔记本: import numpy as np # linear algebra import pandas as pd # data processing, CSV file I/O (e.g. pd.read_csv) from sklearn.preprocessing import StandardScaler fr
..
我正在尝试为以下应用创建自动编码器: 训练模型 拆分编码器和解码器 可视化压缩数据(编码器) 使用任意压缩数据获取输出(解码器) from keras.layers import Input, Dense, Conv2D, MaxPooling2D, UpSampling2D from keras.models import Model from keras import bac
..
我正在尝试学习图像自动编码,但是我无法使用输入和输出图像来训练模型 例如: 输入图像文件夹:".../Pictures/Input" 输出图像文件夹:".../Pictures/Output" #get input images from data_dir_input ds_input = tf.keras.preprocessing.image_dataset_from_direc
..
我有一个基本的自动编码器结构.我想将其更改为堆叠式自动编码器.据我了解,堆叠式AE在两个方面有所不同: 它由稀疏的香草AE层组成 它进行分层训练. 我想知道对于堆叠式AE来说是否需要稀疏性,或者仅仅增加香草AE结构中的隐藏层数将使其成为堆叠式AE? class Autoencoder(Chain): def __init__(self): super().__ini
..
我们可以使用下面的YAML文件(以及pylearn2/scripts/train.py)在pylearn2中训练自动编码器 !obj:pylearn2.train.Train { dataset: &train !obj:pylearn2.datasets.mnist.MNIST { which_set: 'train', start: 0,
..
我想提取一些选定图层的权重并将其保存为一个名为encode_weight.h5的Hdf5文件,然后预测模型以获取输出. 原始模型具有所有不需要的权重. model = Autoencoder(input_shape=x_train.shape[1:]) #this is the original model model.summary() layer_name_list = ['d
..
我有一个批处理数据集,其中包含图像作为输入和输出.代码是这样的: os.chdir(r'E:/trainTest') def process_img(file_path): img = tf.io.read_file(file_path) img = tf.image.decode_png(img, channels=3) img = tf.image.conver
..
我正在使用tensorflow编码去噪自动编码器函数(这有点长,所以我不会发布整个代码),并且一切正常,除非我向批处理中添加了屏蔽噪声 掩盖噪声只是将特征的随机比例设为0. 所以问题就是将矩阵中的某个值取为0. 所以我看到,如果它是一个tf.variable,那么感谢tf.scatter_update()如何修改矩阵的一个元素 但是,当我尝试使用占位符时,它会引发错误:"TypeError
..
有没有更简单的方法来设置数据加载器,因为在自动编码器的情况下输入数据和目标数据是相同的,并且在训练过程中可以加载数据? DataLoader 始终需要两个输入. 目前,我像这样定义数据加载器: X_train = rnd.random((300,100)) X_val = rnd.random((75,100)) train = data_utils.T
..
我是tensorflow的初学者.我在帮助下制作了简单的自动编码器.我想将最终的decoded张量转换为numpy数组.我尝试使用.eval(),但无法正常工作.如何将张量转换为numpy? 我输入的图像尺寸为512 * 512 * 1,数据类型为原始图像格式. 代码 #input image_size = 512 hidden = 256 input_image = np.fr
..
因此,我正在尝试构建基于LSTM的自动编码器,我希望将其用于时间序列数据.这些被拆分成不同长度的序列.因此,模型的输入具有[None,None,n_features]形状,其中第一个None代表样本数量,第二个None代表序列的time_steps.该序列由LSTM处理,其参数return_sequences = False,然后通过RepeatVector函数重新创建编码维,并再次运行LSTM.
..