Keras搭建的自编码模型
来源:互联网 发布:如何上传网站源码 编辑:程序博客网 时间:2024/06/07 02:45
- http://blog.csdn.net/u012458963/article/details/72566596
https://kiseliu.github.io/2016/08/16/building-autoencoders-in-keras/
- import numpy as np
- np.random.seed(1337) # for reproducibility
- from keras.datasets import mnist
- from keras.models import Model #泛型模型
- from keras.layers import Dense, Input
- import matplotlib.pyplot as plt
- # X shape (60,000 28x28), y shape (10,000, )
- (x_train, _), (x_test, y_test) = mnist.load_data()
- # 数据预处理
- x_train = x_train.astype('float32') / 255. - 0.5 # minmax_normalized
- x_test = x_test.astype('float32') / 255. - 0.5 # minmax_normalized
- x_train = x_train.reshape((x_train.shape[0], -1))
- x_test = x_test.reshape((x_test.shape[0], -1))
- print(x_train.shape)
- print(x_test.shape)
- # 压缩特征维度至2维
- encoding_dim = 2
- # this is our input placeholder
- input_img = Input(shape=(784,))
- # 编码层
- encoded = Dense(128, activation='relu')(input_img)
- encoded = Dense(64, activation='relu')(encoded)
- encoded = Dense(10, activation='relu')(encoded)
- encoder_output = Dense(encoding_dim)(encoded)
- # 解码层
- decoded = Dense(10, activation='relu')(encoder_output)
- decoded = Dense(64, activation='relu')(decoded)
- decoded = Dense(128, activation='relu')(decoded)
- decoded = Dense(784, activation='tanh')(decoded)
- # 构建自编码模型
- autoencoder = Model(inputs=input_img, outputs=decoded)
- # 构建编码模型
- encoder = Model(inputs=input_img, outputs=encoder_output)
- # compile autoencoder
- autoencoder.compile(optimizer='adam', loss='mse')
- # training
- autoencoder.fit(x_train, x_train, epochs=20, batch_size=256, shuffle=True)
- # plotting
- encoded_imgs = encoder.predict(x_test)
- plt.scatter(encoded_imgs[:, 0], encoded_imgs[:, 1], c=y_test, s=3)
- plt.colorbar()
- plt.show()
------------------------------------------------------------
http://blog.csdn.net/u012458963/article/details/72566596
阅读全文
0 0
- Keras搭建的自编码模型
- keras的自编码实现
- keras的模型可视化
- 保存Keras训练的模型
- Keras的安装与搭建
- Keras模型
- 变分自编码VAE(variational autoencoder)及Keras 实现
- 去噪自编码网络-Python Keras实现
- 自编码vs概率模型
- Keras与各种各样的自编码器
- keras自带的数据集
- keras 两个模型的公共方法
- keras 模型用于预测时的注意事项
- 170719 Keras 模型的保存与加载
- 基于keras 的神经网络股价预测模型
- keras上手系列之: 模型的保存
- keras模型保存为tensorflow的二进制模型
- Web Services:自洽,编码,交换模型
- 一些常用命令
- angular2系列教程(九)Jsonp、URLSearchParams、中断选择数据流
- android实现炫酷水波纹界面
- 获取微信此详细授权的code
- 第二十二篇:并发新特性—障碍器CyclicBarrier(含代码)
- Keras搭建的自编码模型
- 表示“场所”的に、で的区别
- PL/SQL在Oracle服务器上连接出错
- 前端面试题(部分)
- 关于Struts2项目运行报错Unable to load configuration
- 未在本地计算机上注册“Microsoft.ACE.OLEDB.12.0”提供程序
- codeforces 845B Luba And The Ticket
- SpringMVC注册拦截器
- QT中设置widget背景颜色