autoencoder

    0熱度

    1回答

    無法在[子]網絡之間進行Torch中的參數共享

    我試圖在不同體系結構中共享體系結構的編碼器/解碼器子網絡與其他編碼器/解碼器之間的參數。這對我的問題是必要的，因爲在測試時間，它需要大量的計算（和時間）在原始體系結構上執行正向傳遞，然後提取解碼器結果。然而，我注意到雖然我在做clone()時明確要求參數共享，但參數不共享，每個架構在訓練時都有自己的參數。 我通過向前傳播一些隨機向量到兩個體系結構的解碼器和編碼器（您也可以比較它們的權重），通過一些
    lua neural-network torch autoencoder 2016-08-02

    0熱度

    1回答

    Keras深度變分自動編碼器

    我試圖通過增加一層來使Keras VAE例子適應深層網絡。 原始代碼：Original VAE code 變化： batch_size = 200 original_dim = 784 latent_dim = 2 intermediate_dim_deep = 384 # <<<<<<< intermediate_dim = 256 nb_epoch = 20 # x = Inpu
    python machine-learning deep-learning keras autoencoder 2016-08-05

    7熱度

    1回答

    如何正確實施Keras中的自定義活動調節器？

    我試圖根據Andrew Ng的演講筆記實現稀疏自動編碼器，如here所示。 它要求通過引入懲罰項（K-L發散度）來對自動編碼器層應用稀疏約束。我嘗試使用here提供的方向執行此操作，稍作更改後。 下面是SparseActivityRegularizer類實現的K-L散度和稀疏懲罰項，如下所示。 def kl_divergence(p, p_hat): return (p * K.log(p/p_
    python keras autoencoder 2016-04-28

    5熱度

    1回答

    keras中可變大小圖像的完全卷積自動編碼器

    我想構建一個卷積自動編碼器，其中輸入的大小不是恆定的。我通過疊加conv-pool圖層直到達到編碼層，然後用upsample-conv圖層進行相反操作。問題是無論我使用什麼設置，我都無法在輸出層中獲得與輸入層完全相同的大小。原因在於UpSampling層（給出了（2,2）的大小），使輸入的大小加倍，所以我不能得到奇數維。有沒有一種方法可以將給定圖層的輸出尺寸與前一圖層的輸入尺寸（針對單個樣本）相關
    deep-learning convolution keras autoencoder 2016-08-16

    7熱度

    1回答

    我應該使用損失還是準確度作爲提前停止指標？

    我學習和神經網絡的實驗，並希望有從別人的意見就以下問題更有經驗： 當我訓練的Keras自動編碼（「mean_squared_error」損失函數和SGD優化），驗證損失正在逐漸下降。驗證的準確性正在提高。到現在爲止還挺好。 然而，過了一段時間，損失持續下降，但準確度突然回落到低得多的低水平。 這是'正常的'或預期的行爲，準確度上升非常快，並保持高突然回落？ 即使驗證損失仍在下降，我是否應該停止最大
    neural-network deep-learning keras autoencoder 2016-05-10

    1熱度

    1回答

    Keras ImageDataGenerator不按預期方式工作

    我正嘗試使用Keras基於文檔[this example][1]構建自編碼器。因爲我的數據很大，所以我想使用生成器來避免將其加載到內存中。 我的模型看起來像： model = Sequential() model.add(Convolution2D(16, 3, 3, activation='relu', border_mode='same', input_shape=(3, 256, 256)
    deep-learning keras autoencoder 2016-08-19

    2熱度

    1回答

    自動編碼器可用於重建非二進制向量嗎？

    我最近了解了自動編碼器，並計劃構建一個用作隱式反饋的推薦系統的一部分。 基於如何經典作品自動編碼，就好像他們可以用來恢復其分量並不一定是0或1。然而，所有的介紹材料載體在那裏似乎表明，自動編碼的二進制矢量操作，X = [0,1]^d，如here，或paper中的第2.2節。 爲了對非二進制向量使用自動編碼器，在我看來，唯一的區別是應該使用L2錯誤函數代替適合於二進制情況的交叉熵。 我很感激，如果有
    machine-learning neural-network autoencoder 2016-07-01

    0熱度

    1回答

    代替LBFGS，在稀疏自動編碼器中使用梯度下降

    在Andrew Ng的講義中，他們使用LBFGS並獲得一些隱藏功能。我可以使用漸變下降來產生相同的隱藏功能嗎？所有其他參數都是相同的，只需更改優化算法即可。 因爲當我使用LBFGS時，我的autoencoder可以產生與講義中相同的隱藏特性，但是當我使用梯度下降時，隱藏層中的特徵不見了，看起來完全是隨機的。具體來說，爲了優化成本函數，我實現了1）成本函數，2）每個權重和偏差的梯度。並將它們投入到s
    machine-learning mathematical-optimization deep-learning gradient-descent autoencoder 2016-05-16

    0熱度

    1回答

    自動編碼器分類圖像？

    我目前是一名學生，我正在開發一個神經網絡項目來分類圖像數據集。由於這些圖像沒有標記，我需要一種無監督的學習方法。 有人建議我應該使用自動編碼器，是否可以使用自動編碼器來「發現」重要特徵，然後將「隱藏層」中學習到的特徵用於多層感知器網絡，例如我可以分類圖像？ 謝謝大家的幫助。
    theano deep-learning autoencoder 2016-07-05

    13熱度

    1回答

    在Caffe中綁定權重的自動編碼器

    根據我的理解，通常情況下，自動編碼器在編碼和解碼網絡中使用相關的權重？ 我看了一眼Caffe's auto-encoder example，但我沒有看到權重是如何相關的。我注意到編碼和解碼網絡共享相同的斑點，但是它如何保證權重正確更新？ 如何在Caffe中實現綁定權重自動編碼器？
    machine-learning neural-network caffe autoencoder 2016-08-25
最新問題