|
|
51CTO旗下网站
|
|
移动端

2.7 实现一个自动编码器

《Python深度学习实战:75个有关神经网络建模、强化学习与迁移学习的解决方案》第2章前馈神经网络,本章的重点是为FNN 和其他网络拓扑的常见实现问题提供解决方案。本章讨论的技术也适用于后续内容。本节为大家介绍实现一个自动编码器。

作者:程国建/周冠武 译来源:机械工业出版社|2018-08-30 18:58

2.7 实现一个自动编码器

对于自动编码器,使用不同的网络架构,如图2.13 所示。在前几层中,减少了隐层神经元的数量。在中间,又开始增加隐层神经元的数量,直到隐层神经元的数量与输入变量的数量相同。中间的隐层可以看作输入的编码变体,其输出决定了编码变体的质量。

在下一个方案中,将在Keras 中实现一个自动编码器,将街景门牌号(SVHN)基准库从32×32 图像解码为32 个浮点数。可以通过解码成32×32 图像并比较图像来确定编码器的质量。

如何去做…

1)用下面的代码导入必要的函数库:

2)加载数据集并提取所需要的数据:

3)预处理数据:

4)接下来,定义自动编码器的网络架构:

5)现在,开始训练自动编码器:

6)看看自动编码如何在训练集上执行:

7)绘制一些原始图像及其解码版本,如图2.14 所示。

在第3 章 卷积神经网络 中,将向读者展示如何为SVHN 数据集实现一个卷积自动编码器。

喜欢的朋友可以添加我们的微信账号:

51CTO读书频道二维码


51CTO读书会第9群:808517103

【责任编辑:book TEL:(010)68476606】

回书目   上一节   下一节
点赞 0
分享:
大家都在看
猜你喜欢

订阅专栏+更多

共章 |

人订阅学习

共章 |

人订阅学习

读 书 +更多

Linux命令、编辑器与Shell编程

本书是目前所能找到的最实用、最全面的Linux指南和参考手册,也是唯一一本提供以下全部内容的书籍: 更好更实用的示例覆盖了实际工作中需...

订阅51CTO邮刊

点击这里查看样刊

订阅51CTO邮刊

51CTO服务号

51CTO播客