我尝试用Python和Keras库创建一个自动编码器。我想把我的模型分成两部分:编码器和解码器。但是当我尝试创建解码器时，我有一个错误。= keras.Input(shape=(784,))input_imgC = keras.Input(shape=(784= keras.layer
浏览 1提问于2021-03-20得票数 0
2回答
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。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。
我如何设计一个神经网络来实现这一点？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
我训练了一个自动编码器，并使用keras内置的save()方法保存了它。现在我想把它分成两部分:编码器和解码器。我可以通过使用旧模型创建一个新模型来成功加载模型并获得编码器部分： encoder_model = keras.models.Model(inputs=self.model.input,
outputs=self.model.get_layer(layer_of_activations
浏览 34提问于2019-04-24得票数 0
回答已采纳
1回答
我有一个Keras 2.3代码的工作片段，它构建:一个编码器，一个解码器，并使用Functional API和以下方法将它们合并到一个模型(自动编码器)中：现在，我想尝试在Hadoop集群上分发此模型的训练过程。更具体地说，在Kera
浏览 4提问于2019-11-07得票数 0
回答已采纳
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为了从经过训练的自动编码器获得解码器网络，我尝试使用：
dec_model = Mod
浏览 2提问于2019-04-01得票数 3
2回答
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，要么是通过其他方式。请详细说明
浏览 6提问于2020-11-24得票数 0
1回答
我正在尝试构建一个只有一个层的自动编码器： print "shapes:",ndim(x)不是无，并且( ndim (x) >2或ndim(y) > 2)：文件"/Users/asgharrazavi/anaconda/lib/python2.7/site-packages/keras我只
浏览 2提问于2018-02-23得票数 1
2回答
我的理解是，对于某些类型的seq2seq模型，您需要训练编码器和解码器，然后将编码器放在一边，只使用解码器进行预测。例如，优步的seq2seq时间序列预测模型：现在，我正试图在Keras中实现这个to版本。-解码器模型的Keras代码：model = Sequential()
model.add(LSTM(100, activation='relu', inp
浏览 0提问于2019-07-27得票数 4
我的目标是在堆叠的LSTM模型中使用注意力，但我不知道如何在编码层和解码层之间添加Keras的AdditiveAttention机制。比方说，我们有一个输入层，一个编码器，一个解码器和一个密集的分类层，我们的目标是解码器在导出其输出时关注编码器的所有隐藏状态(h = h1，...，hT)。有没有使用Keras的高级编码方法？
浏览 8提问于2021-06-17得票数 1
1回答
是否可以使用非正方形(矩形)输入矩阵训练卷积自动编码器(CAE)？我在CAE上研究过的所有教程和资源似乎都使用正方形图像。我正在处理的数据不是图像。我用Keras尝试了一些模型，但模型编码器部分的输入大小总是与解码器中输出矩阵的大小不同。所以它给出了错误。有人能帮我解决这个问题吗？
浏览 25提问于2019-03-07得票数 0
1回答
我有一个自动编码器模型的，具有多个输出和加权，这是一个想要丰富变成一个变分的自动编码器。我遵循了以下内容：官方keras教程。但是，如果手动调整train_step函数，我就失去了最初实现的大部分细节：
原始的fit方法还负责验证数据和相应的度量。根据keras链路添加建议的采样层是没有问题的，但是要正确地实现Kullba
浏览 3提问于2020-10-06得票数 2
1回答
我想将自动编码器的学习和应用分为两部分，遵循并使用时尚mnist数据进行测试：
加载图像，做可能需要几个小时或几天的拟合，并使用回调来保存最好的自动编码器模型。使用此最佳模型(由文件名手动选择)并绘制原始图像、由自动编码器的编码器进行的编码表示以及使用自动编码器的解码器进行的预测。我有问题(见第二步)，从训练和保存的自动<e
浏览 1提问于2018-09-11得票数 9
回答已采纳
2回答
假设我们有基本事实序列(1,2,4,7,6,8,10,12,18,20) 我们模型的输入是一个不完整的序列。即(1,2,4，_,10,12,18,20)。可以使用哪些深度学习模型来解决此问题？ 这是编码器-解码器LSTM架构的问题吗？ 注意:我们有数千个完整的序列来训练和测试模型。 任何帮助都是非常感谢的。
浏览 20提问于2019-10-16得票数 0
如何在基于CNN的自动编码器序列模型中插入值？def encoder(): model.add(Conv2D(12, (2,2), activation='relu', padding)) return model
model = tf.keras.
浏览 11提问于2021-01-19得票数 0
回答已采纳
1回答
我已经编译了一个自动编码器(下面是完整的代码)，经过培训后，我想将它分成两个独立的模型:编码器(层e1...encoded)和解码器(所有其他层)，在其中输入由解码器编码的手动修改的图像。我成功地创建了一个编码器，作为一个单独的模型：但是当我试图做一个解码器时，同样的方法失败了：
encoded_inp
浏览 1提问于2018-02-03得票数 7
回答已采纳
1回答
我尝试过不同的模型，如隔离林、支持向量机和KNN。根据包含80\%特征和4000数据样本的数据集，它们的18\%是异常的。当我使用自动编码器，并调整适当的重建损失阈值，我可以获得92\%精度，但隐藏层设置的自动编码器似乎不正确，尽管我得到的准确性。正如我所说的，我只有5特性和设置如下 layers.Dense(64, activation
浏览 0提问于2022-05-19得票数 0
1回答
我使用TensorFlow Functional创建了一个语言翻译模型。这就是模型encoder = tf.keras.Input(shape=(200, ))encoder_gru = tf.keras.layers.GRU(units, return_sequences=True, return_statedec_embd = t
浏览 3提问于2021-07-07得票数 2
2回答
我知道从自动编码器中提取的特征可以输入到mlp中进行分类或回归。这是我之前做过的事情。
但是如果我有2个自动编码器呢？我可以从2个自动编码器的瓶颈层中提取特征，并将它们输入到基于这些特征执行分类的mlp中吗？如果是，那是怎么做的？我不确定如何连接这两个功能集。我尝试使用numpy.hstack()，它会给出“不可散列的切片”错误，而使用tf.concat()会给出错误“模型的输入张量必须是Keras张量”。两个自动编码器</e
浏览 65提问于2018-06-02得票数 0
回答已采纳
任务预测\vec y = [x_{t=1}, x_{t=2}]模型注意:那个？解码器中两个时间步骤的输入是相同的，它是编码器所有隐藏状态的“编码”版本。
浏览 0提问于2018-12-12得票数 5
1回答
卷积自动机的Keras值误差
、、、、
我试图建立一个卷积自动编码器，但我有问题的解码器部分。我的输入图像是32乘32乘3 (RGB)。from keras.models import Sequential
我假设我的<
浏览 0提问于2018-06-26得票数 1
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
