如何强制自动编码器中的瓶颈产生二进制值？

文章/答案/技术大牛

发布

1回答

tensorflow、keras、autoencoder、loss-function

我尝试强制自动编码器中的瓶颈层生成二进制值。我在一个自定义损失函数中使用tensorflow.cond，惩罚所有不是0或1的值，但是这个方法非常慢。有没有更好的方法来做这件事？

浏览 4提问于2020-03-20得票数 2

回答已采纳

1回答

自动编码器是否需要使用线性瓶颈层？

neural-network、autoencoder

我目前正在尝试使用自动编码器网络进行降维。(即使用瓶颈激活作为压缩功能)不过，这是否正确呢？自动编码器

浏览 1提问于2018-05-05得票数 0

回答已采纳

2回答

如何从keras.tf中的特定层获得输出，这是自动编码器中的瓶颈层？

tensorflow、keras、autoencoder

我正在开发一个自动编码器集群某些组的图像。 input_images->...->bottleneck->...->output_images 我已经对自动编码器进行了校准，并保存了模型；一切都是在python3上使用keras.tensorflow开发的。下一步是将自动编码器应用于大量图像，并根据瓶颈层中的余弦距离对它们进行聚类。哦，我刚刚意识到我不知道keras.tf<e

浏览 20提问于2019-09-11得票数 1

回答已采纳

1回答

用于图像重建的自动编码器的最佳架构是什么？

deep-learning、neural-network、autoencoder、convolutional-neural-network

我试图使用卷积自动编码器的潜在空间(嵌入层)，特别是，我想使用嵌入的K最近邻搜索的潜伏空间(类似于word2vec)。我的输入是3x224x224 (ImageNet)，我找不到任何详细阐述特定架构的文章(例如过滤器的数量、conv层的数量等等)。我尝试了一些任意的架构，比如：Conv(channels=3，filters=16，kernel=3) Conv(channels=16，fi

浏览 0提问于2019-04-22得票数 4

回答已采纳

1回答

在Keras中使用自定义的步骤激活函数会导致“一个操作对渐变有`None`”。错误。如何解决这个问题？

python、tensorflow、keras、gradient、activation-function

我正在构建自动编码器，我想将我的值编码到一个逻辑矩阵中。我试过使用hard-sigmoid函数，但它不适合我的问题，因为当我只需要二进制时，它仍然会产生中间值。tf.shape(x), dtype=x.dtype.base_dtype) return keras.backend.switch(x > 0.5, ones, zeros) 我希望能够使用二进制步长激活函数来训练网络，然后将其用作典型

浏览 12提问于2019-02-11得票数 1

回答已采纳

1回答

增加层的大小，同时保持旧的重量冻结

tensorflow、keras、neural-network、autoencoder

我现在正在尝试实现以下过程:首先，我有一个训练有素的自动编码器，然后我正在考虑增加瓶颈层的大小(增加该层中“神经元”的数量)。然后，我想训练增加的模型作为一个整体，同时保持与旧层对应的重量冻结。我的想法是，首先，我们训练一个正常的自动编码器，然后我可以建立相同的模型，除了瓶颈层的大小增加。然后，我把重量加载到这

浏览 2提问于2020-08-02得票数 0

回答已采纳

3回答

从机器学习算法中获得负面结果

opencv、machine-learning、tensorflow

我有一组特定物体的图像。我想找出其中一些是否存在机器学习算法的异常。例如，如果我有很多照片的眼镜，我想知道其中一个是坏了，或有什么异常。就像这样：BAD!! 问题是我不知道每一个消极的情况，所以，对于训练，我只有正面的形象。换句话说，我需要一种算法来识别图像是否有与数据集不同的内容。你有什么建议吗？特别是有一种使用卷积神经网络的方法吗？

浏览 7提问于2017-02-07得票数 4

2回答

注意力对自动编码器有意义吗？

lstm、recurrent-neural-network、autoencoder、dimensionality-reduction、attention-model

在自动编码器的背景下，我在努力思考注意力的概念。我相信我理解注意seq2seq翻译的用法--经过训练后，我们可以同时使用编码器和解码器来创建语言翻译(例如)。但是，如果自动编码器的主要目标是生成输入向量的潜在压缩表示，该怎么办？我说的是一些情况，在培训之后，我们基本上可以处理模型的解码器部分。例如，如果我在没有注意的情况下使用LSTM，那么“经典”方法就是使用最后

浏览 6提问于2019-09-28得票数 17

1回答

在TensorFlow/Keras中将神经网络的SubGraph视为模型

python、tensorflow、keras、neural-network

我正在尝试使用Keras Layer API在tensorflow中训练自动编码器。这个API非常好用，很容易用来设置深度学习层。快速回顾一下自动编码器(在我看来)是一个函数$f( x ) = z$和它的伪逆\hat{x} = f^{-1}(z)使得f(f^{-1}(x)) \近似x。在神经网络模型中，您将建立一个具有瓶颈层的神经网络，它试图使用f^{-1}(f(x))预测自己的x。当训练误差最小化时，你就有了两个组

浏览 15提问于2020-03-30得票数 0

2回答

有人能帮我理解什么是自动编码器吗？

machine-learning、autoencoder

有人能帮我理解自动编码器的含义吗？提前谢谢。

浏览 0提问于2016-10-27得票数 2

回答已采纳

2回答

解码器如何将自动编码器中的低维转换为高维？

machine-learning、keras、deep-learning、artificial-intelligence、autoencoder

我正在建立一个自动编码器。我在google上看到过，编码器压缩数据，比如将维度的784 no转换为瓶颈隐藏神经元的100 no，然后解码器再次将维度的100 no转换为784，我想知道它(解码器)如何从较低维度转换到更高维度，因为如果我们谈论编码器但是如何将较低的维度再次转换为较高的维度，要么是通过再次添加我们在编码器中丢弃的位

浏览 6提问于2020-11-24得票数 0

1回答

隐藏层在哪里？

keras、neural-network、nlp、keras-layer、autoencoder

我对自动编码器还是个新手。我有来自Keras (https://blog.keras.io/building-autoencoders-in-keras.html)的代码。我想知道我在代码中的注释是正确的吗？

浏览 70提问于2020-11-10得票数 0

回答已采纳

1回答

对于小数据，`as.h2o()`的替代方案？

h2o

我的问题与大多数使用as.h2o()的人相反，尽管由此产生的问题是相同的。我必须转换一系列仅有19列宽的单行向量，并将其提供给h2o自动编码器。使用as.h2o()转换每个向量大约需要0.29秒，这是一个主要的瓶颈。非常感谢。

浏览 1提问于2017-12-12得票数 0

2回答

降维是可逆的吗？

artificial-intelligence、encog、som、dimensionality-reduction

我使用ENCOG实现了一种降维算法，它使用一个具有多个特征的数据集(称为A)，并将其简化为一个只有一个特征的数据集(B) (我需要用于时间序列分析)。现在我的问题是，我有一个由时间序列分析预测的B值，我能把它转换回像A数据集中那样的两个维度吗？

浏览 1提问于2015-06-30得票数 3

回答已采纳

1回答

在两个自动编码器上堆叠完全连接的层以进行分类

keras、neural-network、deep-learning、autoencoder、keras-2

我正在训练使用卷积层的2D图像的自动编码器，并希望将完全连接的层放在编码器部分的顶部进行分类。，这是可行的，但现在的问题是，我有2个自动编码器培训的图像集，所有的大小(64，80，1)。对于每个标签，我有两个大小的图像(64，80，1)和一个标签(0或1)。我需要将图像1输入到第一个自动编码器，将图像2输入到第二个自动<

浏览 0提问于2019-08-09得票数 1

回答已采纳

1回答

除了异常检测之外，是否还有其他的例子可以用于无监督的深度学习？

deep-learning、clustering、unsupervised-learning

我对深入学习及其概念是陌生的。在阅读了一段时间后，我了解到无监督的深度学习技术通常试图重建输入数据(可能使用编码器和解码器的维数较少)，并通过优化重构误差来训练网络。但是，我无法想象这些方法是如何用于解决实际任务的(除了异常检测，例如聚类)。注意:如果我对无监督的深度学习技术的理解是错误的，你可以纠正我。

浏览 0提问于2020-01-31得票数 2

1回答

LSTM自动编码器在测试数据中产生较差的结果

keras、deep-learning、lstm、lstm-stateful

我正在应用LSTM自动编码器进行异常检测。由于与正常数据相比，异常数据非常少，因此仅使用正常实例进行训练。测试数据由异常实例和正常实例组成。在训练过程中，模型损失似乎很好。然而，在对数据进行测试时，该模型产生的准确性较差。也就是说，异常点和正常点没有很好地分开。.............plt.ylabel('True class') pl

浏览 3提问于2019-11-07得票数 0

1回答

如何获得二进制序列作为自动编码器瓶颈的输出？

python、keras、deep-learning、autoencoder

我正在尝试实现一个自动编码器，我想要一个二进制序列作为瓶颈层的输出，因为我想分别使用编码器和解码器。下面是我的自动编码器架构的代码： inputs_encoder = keras.Input(shape = 2**k) x = Dense(units=S*2**(k), activation=activation然后，我使用了一个技巧，把tf.stop_gradient(tf.math.round(x)-x)+x<e

浏览 14提问于2020-10-08得票数 0

1回答

用RNN预测简单配置轨迹的参数

time-series、regression、lstm、rnn

= y = parameters\ of\ observed\ orbit 到目前为止我所做的:我使用了一个非常非常基本的([X_{o_{i}}^{1},X_{o_{i}}^{2},\ ...], y_{o_{i}})堆栈模型，它是用o_{i}是二维轨道的情况下训练的。我假设这是一个回归问题，所以我复制了一些我在互联网上发现的时间序列预测模型:这些模型通常以二维或三维向量作为输入序列，并给

浏览 0提问于2020-06-02得票数 2

回答已采纳

5回答

二值分类为2类分类问题

machine-learning、deep-learning、image-classification

我想要创建一个狗分类器，它输出包含狗的图像的概率。二进制分类器(1类)，它只输出包含狗的图像的概率.这在我看来是合理的。二级分类器，分为“狗”和“非狗”两类.但是这种方法的问题是，神经网络也必须学习“非狗”类，这是不可能的，因为它没有模式，而且在每个训练示例中都是不同的。第二种方法是否不如第一种有效？或者根本不工作？

浏览 0提问于2019-06-27得票数 4

回答已采纳

点击加载更多