1回答
我正在使用RBM实现深度自动编码器。我知道，为了展开网络，我们需要使用编码器的转置权值作为解码器。但我不确定我们该用哪种偏见来做解码器。如果有人能给我详细说明或者给我发一个伪码链接，我会很感激的。
浏览 2提问于2013-12-12得票数 1
回答已采纳
来自伊恩·古德费罗的“深度学习书”：我不明白这部分。g是解码器，f是编码器。为什么编码器和解码器要完美地表示输入数据x是不可取的？
另一种解决这个问题的方法是--为什么自动编码器需要正规化？然而，有了足够大
浏览 0提问于2018-07-27得票数 2
深度seq2seq模型有没有成功的应用，解码器在第一步只读取编码器的输出状态(编码器内部状态的最后一步)，并进行多步解码？
在每一步，解码器的输入仅仅是前一步的输出和状态。我可以看到一些seq2seq自动编码器的实现，不知道它们在经过长时间的训练后是否真的收敛了，特别是当内部状态很小时。
浏览 0提问于2017-05-20得票数 0
0回答
深度自动编码器的Get解码器
、、、、
我正在学习keras 中深度自动编码器的教程。对于开始的简单自动编码器，有一个定义如下的decoder：decoder_layer = autoencoder.layers='sigmoid')(decoded)
encoder = Model(in
浏览 0提问于2017-06-19得票数 4
回答已采纳
1回答
如何在不同大小的图像上训练模型。我的模型包含输入图像大小(None，None，3)。但是如何在不同的图像大小上训练模型呢？ 注意:我的目标是使用深度学习执行图像压缩。一种考虑了编解码器的自动编码器。
浏览 50提问于2019-05-19得票数 0
我正在训练一个深层的自动编码器，将人的脸映射到128维的潜在空间，然后将它们解码回原来的128x128x3格式。我希望在训练了自动编码器之后，我能以某种方式“分割”自动编码器的下半部分，即通过函数Keras和autoenc_model.get_layer()，负责将潜在空间(128 )映射到图像空间(128、128、3)的解码器网络。为了从经过训
浏览 2提问于2019-04-01得票数 3
1回答
在学习了一些深度学习中的编码器/解码器模型(主要是在Keras中)之后，我仍然不能理解学习发生在哪里。是编码器只创建特征映射，然后解码器尝试使用BackProp尽可能接近结果，还是编码器在训练模型时也会学习？最后一个问题:如果我理解正确的话，过滤器相当于经典机器学习模型中的节点，通过改变其权重来学习，对吗？
浏览 3提问于2018-05-25得票数 0
我对自动编码器很陌生。我看到的所有自动编码器通常都会显示一个下采样编码器，然后是一个上采样解码器或一个上采样编码器，然后是一个下采样解码器。现在，我想问一问，我们能不能有一个同时包含上采样层和下采样层的编码器，然后是一个具有精确镜像层的编码器？例如，我们可以拥有以下自动编码器的架构吗？编码器：
浏览 4提问于2022-08-01得票数 1
2回答
我不明白自动编码器是如何实现降维的，因为它学会了将数据从输入层压缩成一段短代码，然后将该代码解压缩到原始数据中，我看不出降维在哪里:输入数据和输入数据具有相同的维数？
浏览 0提问于2018-06-13得票数 2
回答已采纳
我正在关注这篇关于transformers的博客 http://jalammar.github.io/illustrated-transformer/ 我唯一不明白的是为什么需要一堆编码器或解码器。据我所知，多头注意力层捕获了问题的不同表现空间。我不明白为什么需要编码器和解码器的垂直堆栈。不是只有一个编码器/解码器层可以工作吗？
浏览 26提问于2019-12-18得票数 6
回答已采纳
2回答
我目前的项目是对物体在各种成像过程中的模糊/卷积效果进行建模。现在，我要从一个初步的，人工的模型开始。我正在使用Keras来完成这一任务。在128 x 128的图像中，我以随机位置上的一组圆圈来创建人工理想数据。然后，我有一个例程，它以这些圆圈的坐标和大小作为输入，并在相同的位置用椭圆替换圆圈。我试图训练一个卷积神经网络来执行这个函数的逆函数，即用椭圆作为输入读取图像，然后用圆圈代替它们。我通过将这两种图像类型与以椭圆作为输
浏览 0提问于2019-07-09得票数 1
1回答
我正试图为文本类型的传输问题建立一个编解码模型。问题是我在这两种样式之间没有并行数据，所以我需要在一个无监督的环境中训练模型。
我见过的一些文章使用自动编码器分别训练编码器和解码器组件。通过将问题设置为自动编码器，他们可以通过将目标序列(等于输入序列)传递到解码器中来训练解码器。(以下是一些例子，https://arxiv.org/pdf/1711.06861
浏览 0提问于2018-07-07得票数 2
回答已采纳
在变分式自动编码器中，编码器必须具有与解码器相同的层数吗？我的编码器(密度)：54-10-5-3，解码器(密度)：3-5-10-25-35-45-54，我得到了更好的结果。
浏览 1提问于2018-05-02得票数 3
回答已采纳
如果我想训练一个具有相同权重的自动编码器(编码器和解码器有相同的权重参数)，如何使用tf.layers.conv2d来正确完成？我不能简单地在编码器和解码器的相应conv2d层之间共享变量，因为解码器的权重是编码器的转置权重。
也许捆绑的重量现在很少使用，但我只是好奇。
浏览 1提问于2018-01-15得票数 0
我正在用tf.Estimator训练一个变分自动编码器。model_fn包含编码器和解码器，并将图像作为输入。在部署或评估阶段，我希望模型将随机采样的潜在代码作为输入，并仅执行解码器部分。有没有办法把编码器和解码器从我的估计器中分离出来？
浏览 2提问于2019-04-16得票数 0
我试图使用Keras构建一个简单的自动编码器，为此我从一个完全连接的神经层开始，作为编码器和解码器。input_img) >autoencoder =Model(input_img, decoded) 的帮助下创建了一个单独的编码器模块batch_size=256,
浏览 17提问于2020-03-31得票数 0
回答已采纳
1回答
我正在尝试用tensorflow编写CLDNN的实现，就像在中那样。我对降维层有一个问题。
据我所知，它是由几个堆叠限制Boltzmann机器(RBM)和工作像一个自动编码器。该层的解码器部分只是为了训练编码器以减小井的尺寸。这意味着您希望将编码器的输出“插入”到下一层的输入中。我可以定义一个损耗函数来训练自动编码器(通过比较解码输出的输入)，还有一个其他
浏览 5提问于2016-12-07得票数 0
回答已采纳
我尝试遵循mathworks提供的训练深度稀疏自动编码器(4层)的示例，因此我分别预先训练了自动编码器，然后将其堆叠到一个深度网络中。然而，当我试图通过train(deepnet，InputDataset)指令来微调这个网络时，训练会立即停止，并且我会收到一条“性能目标已达到”的消息。有没有办法在Matlab中以无监督的方式训练和微调深度自动编码器网络(不提供标签
浏览 2提问于2016-10-14得票数 0
云服务器
ICP备案
对象存储
实时音视频
云直播
腾讯云开发者
