所以我一直在研究LSTM Autoencoder model。我还创建了这个模型的各种版本。1.使用已经训练过的单词嵌入来创建模型:在这个场景中，我使用了已经训练过的手套向量的权重，作为特征的权重(文本数据)。这是一个结构： encoded = Bidirectional(LSTM这就是模型的结构：
inputs = Input(sha
浏览 0提问于2019-07-08得票数 0
回答已采纳
1回答
连接两个Keras层的输出
、、、、
我试图使用Keras实现一个联合模型，这就是该模型的体系结构。然而，我在连接来自子网络和主网络的输入方面有困难。from tensorflow.keras.layers import Conv2D, MaxPooling2D, Dense, Flatten, Reshape, Concatenate
return autoencoder.get_layer('last_layer')
def S
浏览 37提问于2022-04-07得票数 0
回答已采纳
1回答
上下文一些用于自动编码/rbms/深度信念网络的在线教程通常有一个监督的fit()调用，例如fit(X，y)或管道(rbm，logistic)。请参阅：
请求我当然不期望有一个全面的实施，但有关的资源将不胜感激。
例如，在中，我们似乎可以构建
浏览 1提问于2016-10-08得票数 4
回答已采纳
1回答
autoencoder.predict(training_set)x = Input(batch_shape=(None, 501, 1))autoencoder= Model(x, Decoder()(Encoder()(x)))
autoencoder.compile(optimizer=&
浏览 0提问于2019-10-13得票数 2
1回答
import models
decoder = model.load_model('path decoder')
autoencoder.evaluate('some image data')
浏览 9提问于2022-06-06得票数 0
在keras中，我想使用具有给定训练神经网络结构的初始层的模型，以及我为训练过程获得的权重。来看看案例:假设我们有一个数据集df，在拆分成train，dev和test之后，我们训练一个神经网络，在这个例子中是一个autoencoder。modelautoencod
浏览 38提问于2020-11-17得票数 2
回答已采纳
在TensorFlow Functional指南中，有一个示例显示了使用相同的图层创建多个模型。layers.Conv2DTranspose(16, 3, activation='relu')(x)
autoencoder= keras.Model(encoder_input, decoder_output, name='autoencoder'
浏览 0提问于2019-09-05得票数 8
回答已采纳
1回答
我收到以下错误，但我不能找出原因： RuntimeError:建模函数未返回有效的Keras模型实例，found (，) 我已经看过答案了这里和这里这似乎告诉我们要导入keras来自tensorflowtrial.trial_id, {'val_loss': np.mean(val_losses)})
def create_autoencoderactivation='sigmoid',name='label_o
浏览 55提问于2021-02-21得票数 0
回答已采纳
我使用带有张量流的角字来实现CNN的深度自动编码器： input_data = Input(shape=(40,500,1))
decoded = Conv2DTranspose(1, (3, 3), activation=activationfuntion, padding="same")(x)
encoder = Model(inputs=in
浏览 0提问于2018-06-22得票数 4
2回答
)decoded = Conv2D(1, (3, 3), activation='sigmoid', padding='same')(x)
autoencoder.compile(optimizer='adadelta', loss='binary_crossentropy')
.autoencoder.fit(x_trai
浏览 2提问于2018-05-30得票数 2
回答已采纳
1回答
我已经为我的项目使用的大量自动编码器保存了模型。它们是使用autoencoder.save(outdir + "autoencoder_"+params)函数保存的。有没有办法提取这些已保存模型的编码器和解码器组件，或者我是否需要重新运行脚本并添加encoder = Model(input, bottleneck)和decoder = Model(bottleneck, output)行并保存这些模型？下面是我尝试检索的自动编码器结构：
autoencoder
浏览 0提问于2021-04-28得票数 1
layers.Dense(784, activation='sigmoid')(encoded)
autoencodermodel# Create the decoder model
autoencoder.c
浏览 3提问于2022-01-25得票数 1
我的示例/mnist文件夹结构如下：|-- convert_mnist_data.cpp|-- lenet_adadelta_solver.prototxt|-- mnist_autoencoder_solver_adadelta.prototxt|-- mnist_autoencoder_solver_nesterov.pr
浏览 0提问于2016-03-14得票数 0
当我试图将dropout添加到keras模型中时，它导致了OOM错误:当分配具有形状128,128,176,216...的张量时，tensorflow.python.framework.errors_impl.ResourceExhaustedError该模型假设是产生超分辨率x4的自动编码器。autoencoder = Sequential()padding='sam
浏览 171提问于2018-12-07得票数 1
回答已采纳
1回答
我有两个Keras模型(functional )共享一些层。我想知道，如果我训练第一个模型，第二个将得到它的共享层的权重自动更新，或者我应该手动加载权重。我从中知道，层可以在同一个模型中共享，但是对于这种特殊情况，我没有任何线索。
我还想知道，具有共享层的Keras模型是共享相同的计算图，还是有独立的计算图。
浏览 1提问于2018-06-25得票数 3
回答已采纳
1回答
我制作了一个名为AutoEncoderNew()的自动编码器模型，经过训练后，我希望编码器和解码器部分分别在新的样本上进行实验。模型类如下： def __init__(self, input_nc, output_nc, num_downs, cond=0
浏览 9提问于2022-01-07得票数 0
1回答
问题2:如何让这个LSTM自动编码器工作(模型和预测)？这只是一个模型，但是如何预测呢？它是从样本10开始直到数据结束的预测？RepeatVectortimesteps=10units=100 #choosen unit number randomlyepochs=20outD1 = LSTM(input_dim, return_sequences=True)(outD
decoder = Model
浏览 3提问于2018-04-21得票数 6
1回答
我使用ModelCheckpoint保存最好的自动编码器模型如下：autoencoder.compile(loss='mse', optimizer='adam')
autoencoder.fit，那么如何保存编码器模型呢？这样
浏览 2提问于2018-06-06得票数 1
回答已采纳
1回答
改进自动编码器网络的性能
、、、、
我想知道你是否可以提出一些建议来改进这个模型？))) autoencoder.add(Dropout(trial.suggest_uniform('dropout_2', 0.0, 0.5))) autoencoder.add(Dropoutoptuna.create_st
浏览 3提问于2021-03-30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
实时音视频活动推荐
腾讯云开发者
