1回答
我正在尝试训练一个自动编码器来支持无线数据传输。编码器部分将位于收发器的发送端，而解码器将位于接收端。一般来说，发送器和接收器可以相隔数英里，并将存在于不同的计算机上。自动编码器必须使用真实的物理信道进行训练，因此需要在两台不同的计算机(发送器和接收器计算机)之间执行反向传播。我的问题是，如何在接收端启动反向传播过程，并在发送端完成它？为了让这个
浏览 13提问于2019-10-15得票数 1
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<
浏览 5提问于2016-12-07得票数 0
回答已采纳
哪些著名的研究论文和/或书籍涉及自动编码器和自动编码器的各种不同训练算法？我说的是研究论文和/或书籍，它们为用于训练自动编码器的不同训练算法奠定了基础。
浏览 4提问于2014-06-27得票数 0
1回答
我在TensorFlow 2中做了一个自动编码器。首先，我需要在数据集上训练模型。训练完自动编码器后，我希望将自动编码器的编码器部分用于不同的数据集，同时保留经过训练的权重。有没有办法做到这一点？下面是我正在尝试使用的一个粗略的自动编码器：
浏览 41提问于2020-02-19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
1回答
我有一些从图像中裁剪出来的人脸，我想通过一个去噪的自动编码器来运行它们，这是我从得到的代码。当我在MNIST数据集上运行代码时，结果看起来很好，就像网站中的结果一样。这是我必须执行的，以便将其提供给自动编码器。我把它缩小到28x28。
这些是。对于第一个结果，我实际上希望我的原始灰度图像在我将其输入自动编码器之前出现。对于第二行，我希望它是相同<
浏览 1提问于2020-07-22得票数 0
1回答
免责声明:我也在CrossValidated上发布了这个问题，但没有受到任何关注。如果不是这个地方，我会很乐意把它移走的。
据我所知，他们之间唯一的区别是两个网络的训练方式。深层自动编码器的训练方式与单层神经网络相同，而堆叠式自动编码器则采用贪婪、分层的方法进行训练。Hugo在的评论中证实了这一点。我想知道这是
浏览 0提问于2018-03-15得票数 6
回答已采纳
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
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
1回答
正确设置堆叠式自动编码器
、、、、
我试图在Keras (tf.keras)中构建一个堆叠的自动编码器。叠层并不是指deep。我为Keras找到的所有例子都是生成例如3个编码器层，3个解码器层，他们训练它，并称之为一天。然而，训练叠层自动编码器的正确方法似乎是本文所描述的方法：。
简单地说，SAE应该是按层方向训练的，如下图所示。第一层训练后，作为第二层训
浏览 3提问于2018-09-07得票数 20
1回答
我正在考虑使用自动编码器通过使用编码层的输出来减少数据的维数，将这些输出连接到我的数据中，并使用它作为随机森林的训练集。我使用Keras，所以在定义了自动
浏览 0提问于2019-12-01得票数 1
回答已采纳
1回答
自动编码器特征提取平台
、、、
我正在处理一个大型数据集(大约55K的观测x11K特征)，并试图将维度降到大约150个特征。到目前为止，我尝试了PCA，LDA和自动编码器。我尝试的自动编码器是12000-8000-5000-100-500-250-150-，所有的层都是紧密的乙状结肠激活，除了最后一层，它有一个线性激活，以便从输入复制连续的数据。不管学习速度如何，在10-15个时代之后，自动编码器的丢失实际<em
浏览 0提问于2020-08-13得票数 1
回答已采纳
2回答
具有传输学习的自动编码器？
、、、、
有什么方法可以用像ResNet这样的预训练模型来训练自动编码器模型吗？这里有可能使用预先训练过的模型的权重吗？
浏览 1提问于2018-09-22得票数 1
回答已采纳
嘿，我对整个成果管理制熵/能量训练有点陌生，有一些理解上的困难，并试图弄清楚是否值得努力去理解。def rbm(inputs, shape, cost=0, last_cost=1):
X = T.vector()
浏览 0提问于2016-05-20得票数 4
在一篇关于汽车编码器深入学习的文献中，人们说这些网络在2006年到2010年被用于深层神经网络初始化。
有人能解释一下是怎么做到的吗？
浏览 0提问于2018-02-06得票数 2
回答已采纳
1回答
我一直在查看keras博客中的自动编码器：https://blog.keras.io/building-autoencoders-in-keras.html📷我是否正确地认为，一个正常的完全连接
浏览 0提问于2017-08-09得票数 2
回答已采纳
1回答
我不知道这些特征之间可能存在(或不存在)的关系。
是否有可能从我最初的集合中生成新的数据，以尊重特性之间可能存在的隐式关系，而不必显式地找到这些关系？
浏览 0提问于2017-02-09得票数 2
回答已采纳
假设我训练了一个自动编码器。我想冻结编码器的参数以进行训练，因此只有解码器进行训练。assuming it's a single layer called 'encoder'
model.encoder.weights.data.requers_grad = False 或者，我可以只将解码器的参数传递给优化器有什么不同吗？
浏览 49提问于2021-08-04得票数 1
回答已采纳
1回答
下面是Datacamp关于使用卷积自动编码器进行分类here的教程。我在教程中了解到，我们只需要将自动编码器的头部(即编码器部分)堆叠到一个完全连接的层上即可进行分类。在堆叠之后，得到的网络(卷积自动编码器)被训练两次。第一种方法是将编码器的权重设置为false，如下所示： for layer in full_
浏览 27提问于2020-08-21得票数 1
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<e
浏览 2提问于2016-10-14得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
