1回答
我正在使用Python，Tensorflow和Keras在450x450RGB的手表正面图像(例如)上运行自动编码器。我的目标是使用这些图像的编码表示，这些图像是由自动编码器生成的，并将它们进行比较，以找到它们之间最相似的手表。目前，我使用1500 rgb图像，因为我还没有GPU，而只有一台具有26BG RAM的pc。这是因为我使用的图片数量相对较少，还是因为我的源代码有问题？
如果问题是图像的<e
浏览 15提问于2018-02-23得票数 1
回答已采纳
2回答
我有一个问题，在一个卷积自动编码器过滤器的数目。据我所知，随着网络的深入，convolutional layer中的过滤器数量增加了。它们从第一层的16过滤器开始，然后减少过滤器的数量：现在，我想知道在使用Autoencoders
浏览 0提问于2019-07-03得票数 0
回答已采纳
为了训练去噪自动编码器，我在输入数据中构造了x+n，在输出数据中构造了x(x:原始数据，n:噪声)。学习完成后，我通过一个去噪自动编码器(x_test + n_test -> x_test)获得去噪数据。然后，作为测试，我通过将输入和输出数据构造成相同的值来训练自动编码器，就像传统的自动编码器一样。因此，在测试阶段，我获得了类似于去噪自动编码器的去噪数据。为什么通过传
浏览 4提问于2018-08-05得票数 2
回答已采纳
1回答
我试图使用自动编码器对1600幅图像进行预处理，然后使用权重来训练UNET进行语义分割。
问题1:我是否需要使用相同数量的图像作为列车前自动编码器和Unet，以获得最佳的IOU？图像大小为512*512。
浏览 15提问于2022-10-09得票数 0
1回答
如何实现深度自动编码器(eHow，我从惊厥神经网络中获得滤波器)？我的想法是这样的:对输入图像(28x28)进行随机图像处理，并获得随机补丁(8x8)。然后使用自动编码器来学习补丁的共同特性(功能=隐藏单位；例如，大约100个)。然后将特征滤波器应用于输入图像并进行卷积。我说的对吗？
浏览 5提问于2014-10-22得票数 7
3回答
神经网络-不同的输入层
、、、
我刚开始做图像识别项目，想把神经网络加入其中。现在，我可以将图像转换成一个重要点位置的列表。我想把那份名单递给安。现在我读了几篇关于ANNs的文章，我总是看到输入层是恒定的。
浏览 6提问于2014-04-13得票数 1
回答已采纳
我是Tensorflow的初学者，我想为图像创建一个简单的自动编码器，我尝试了一些我在网络上找到的例子，但所有这些都是在Mnist数据集上工作，这使得预处理这些图像变得容易，但我想为我自己的数据集图像创建一个自动编码器我的问题是:如何使用我自己的数据集图像在tensorflow中创建一个简单的自动编码器(因为我需要一些步骤来加载图像和预处理)？(我需要使用自己的数据集的自动
浏览 0提问于2020-03-11得票数 0
2回答
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入的图像和以圆圈作为输出的图像组合来创建训练对。现在，我用的那个只是返回椭圆图像的扭曲拷贝，而不是用圆圈输出图像。
浏览 0提问于2019-07-09得票数 1
3回答
高维数据自动编码器
、、、
由于许多原因，人们强烈建议使用自动编码器，但我不太确定这是最好的方法。
由于数据集是图片的集合，所以我试图可视化来自自动编码器的重
浏览 2提问于2015-09-06得票数 3
model.compile(optimizer=opt, loss='binary_crossentropy', metrics=['accuracy'])我一直试图添加新的层和切换参数我相信问题可能在于我增强数据和进行预处理的方式，但我不知道如何改进。实现的例子会很棒！
浏览 7提问于2022-02-20得票数 0
1回答
自动编码器以减少输入数据大小
、、、、
目前，我想使用自动编码器来减少输入数据的大小，以便将减少的数据用于另一个神经网络。我的任务是拍摄一段视频，然后将视频的图像提供给自动编码器。当我只使用几张图像作为输入时，自动编码器工作得很好，但当我想要一系列图像时，它就不行了。
想象一下，从一个移动的球上拍摄视频。例如，我们有200张图片。如果我对200张图像使用自动编码器，误差很大，但如果我只对5张图像使用，重
浏览 1提问于2013-12-04得票数 2
1回答
等特征CNN中的层输出
、、、、
我读了一些关于自动编码器的内容，并从$\mathbb{R}、{N\ read }\ \rightarrow \mathbb{R}、{N\倍d}$$空间读取编码器转换数据。我写了CNN自动编码器，举个例子，像这样的一层：但是，当我应用x = F.relu(self.conv1(x))时，当然，在操作之后，我会得到一个尺寸较小的图像(如果在开始时有维数torch.Size([1, 400, 1024]) )，那么我就有了t
浏览 1提问于2022-08-29得票数 0
回答已采纳
我使用自动编码器对数据进行预训练，并将输入数据规范化并传递给自动编码器。因此，自动编码器最终将减少功能的数量。我的问题是，在进入完整的馈送网络之前，我是否需要将数据再次规范化？
浏览 0提问于2016-01-08得票数 0
1回答
设置
译码器/输出层具有与线性函数输入相同数量的神经元。我用大约250000张图像训练了自动编码器。在下面，我展示了测试数据
浏览 1提问于2017-02-21得票数 1
1回答
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输入到第二个自动编码器。到
浏览 0提问于2019-08-09得票数 1
回答已采纳
1回答
我做了几个图像自动编码器的例子，它们工作得很好。现在，我想为文本做一个自动编码器，它接受一个句子作为输入，并返回相同的句子。但是当我尝试使用和图像相同的自动编码器时，我会得到不好的结果。您有用于Keras中文本的自动编码器工作示例的链接吗？
我看到，在大多数论文中，他们使用交叉熵作为损失函数。交叉熵是如何精确计算损失的？即使我用字符自动编码器做一个字符，使用交叉熵
浏览 0提问于2018-03-25得票数 9
如果我只训练一个只有一个向量的自动编码器和一个只有第二个向量的第二个自动编码器，这是否意味着如果向量相似，那么两个自动编码器的隐层向量也是相似的吗？
自动编码器结构是相同的。隐层神经元的数量小于输入。因此，如果向量V1类似于V2，我将使用V1来训练自动编码器的A1和V2来训练自动编码器A2，这是否意味着A1的隐藏层向量和
浏览 0提问于2018-03-07得票数 1
2回答
我对自动编码器如何能够在图像中重建颜色感到困惑。据我所知，CNN有一个特征检测器，可以将图像转换成一系列特征或激活映射。这些活化图与结构特征的存在程度成正比。那么，如果颜色信息不是一个结构特征，那么如何在自动编码器中保存它呢？对我来说，颜色信息很快就会丢失，但是大多数自动编码器的视觉显示它们很好地保留了颜色。
浏览 0提问于2019-09-05得票数 2
4回答
我想比较CNN和自动编码器在caffe中的性能。我完全熟悉cnn在咖啡馆，但我想是自动编码器也有deploy.prototxt文件？使用这两个模型而不是使用架构有什么不同吗？
浏览 0提问于2016-03-30得票数 2
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
