我有一个数据集,我正在尝试用Pytorch自动编码(有人告诉我卷积自动编码器是可行的)。这个数据集中的每个“点”都是一个1024位的向量,我正在尝试将这些向量编码成可能有10个值的向量。
我一直在寻找示例,但我能找到的所有内容都涉及到图像编码,所以我正在努力解决如何将其应用于我的数据集。
例如,对于为MNIST数据集创建自动编码器的代码:
import torch.nn as nn
import torch.nn.functional as F
# define the NN architecture
class ConvAutoencoder(nn.Module):
def __i
我有如下的错误模型: sealed trait HttpError {
val msg: String
val cause: String
}
final case class HttpDecodingError(cause: String) extends HttpError {
override val msg: String = "Decoding error"
}
final case class HttpInternalServerError(msg: String, cause: String) extends Http
我一直在我的项目中使用视觉单词袋方法,并想为我的图像单词制作一个视觉示例。 My Bag of Visual words方法在opencv3上用python编写,可以正确地操作,并根据需要创建词汇表和图像向量。 但是,我希望能够为集群提供某种类型的可视输出,就像下面这个例子一样: ? 实现这一目标的方法是什么?我已经尝试了利用词汇表与单个图像进行特征匹配,但由于图像词是描述符而不是关键点,这种方法不起作用。 任何帮助都将不胜感激。