基于TensorFlow实现AutoEncoder
来源:互联网 发布:魔兽世界有趣的事 知乎 编辑:程序博客网 时间:2024/06/08 10:41
前言
AE(AutoEncoder)是一种无监督学习算法,通过encode和decode过程实现,最简单的AE结构:encode和decode均为一层,和PCA很类似,本文将会介绍基于卷积的AE,encode阶段设置成三个卷积层,decode阶段设置成三个卷积层,其中encode的第三层输出维度为2,使得code为一个二维向量。
结构设计
我最初只设计了两层的卷积,输出128维,在MNIST数据集上面的cost能达到0.076左右,添加第三层之后,输出2维,在MNIST数据集上面的cost能达到0.059,模型性能得以提升。
代码实现
设计编码器
def encoder(x): # Encoder Hidden layer with sigmoid activation layer_1 = tf.nn.relu(tf.add(tf.matmul(x, weights['encoder_h1']), biases['encoder_b1'])) layer_2 = tf.nn.relu(tf.add(tf.matmul(layer_1, weights['encoder_h2']), biases['encoder_b2'])) layer_3 = tf.nn.relu(tf.add(tf.matmul(layer_2, weights['encoder_h3']), biases['encoder_b3'])) return layer_3设计解码器
def decoder(x): # Encoder Hidden layer with sigmoid activation layer_1 = tf.nn.relu(tf.add(tf.matmul(x, weights['decoder_h1']), biases['decoder_b1'])) layer_2 = tf.nn.relu(tf.add(tf.matmul(layer_1, weights['decoder_h2']), biases['decoder_b2'])) layer_3 = tf.nn.relu(tf.add(tf.matmul(layer_2, weights['decoder_h3']), biases['decoder_b3'])) return layer_3
阅读全文
1 0
- 基于TensorFlow实现AutoEncoder
- TensorFlow上实现AutoEncoder自编码器
- TensorFlow上实现AutoEncoder自编码器
- TensorFlow上实现AutoEncoder自编码器
- tensorflow 实现基本AutoEncoder,降噪自编码器
- TensorFlow 实现深度神经网络 —— Denoising Autoencoder
- TensorFlow(六)Autoencoder
- Tensorflow Day19 Denoising Autoencoder
- Tensorflow Day18 Convolutional Autoencoder
- Tensorflow Day17 Sparse Autoencoder
- tensorflow自编码器autoencoder
- 【scala】基于【breeze】编程实现【autoencoder】简单数据降维
- 基于tensorflow实现word2vec
- Tensorflow Day16 Autoencoder 實作
- Keras实现autoencoder
- 基于tensorflow的AlexNet实现
- 基于Tensorflow的BEGAN实现
- Autoencoder
- 命令
- WebService调用小记
- Optional int parameter 'topicId' is present but cannot be translated into a null value due to being
- 51Nod 2006:飞行员配对(二分图最大匹配,匈牙利算法)
- Junit中的@before 和 @beforeclass 有什么区别?
- 基于TensorFlow实现AutoEncoder
- jquery常用函数
- 全排列问题
- 学习记录(7)补
- ELK(九)ElasticSearch5.XELK(七)ElasticSearch搜索
- jq实现键盘延迟事件
- 微信小程序实例源码大全下载
- jvm中的年轻代 老年代 持久代 gc
- C++中 #include与直接写class加类名有何区别