在SAE使用python

SAE开始支持python了,于是也开始对SAE感兴趣,SAE和GAE的一点区别:

 

简单试用了一下,使用tornado 框架 + tenjin.py 模板,还挺顺利 http://saepy.sinaapp.com

 

GAE有免费的,但资源不多(优化好的简单应用如博客、小型论坛支撑1万PV没多大问题);

SAE省而不免,具体省多少目前还没有真实实例,也有免费赠送点豆豆,获得免费豆豆的方法是申请到某个级别的开发者;

 

使用SAE能省多少呢?

根据官方的文档简单概括:

 

下面的应用都是 1万PV/日,估计要花的钱。

WordPress for SAE 176元/年

企业/产品介绍网站 72元/年

 

不过有一点风险就是,如果某个应用被人恶意访问就很可能费用大增,就像在官方文档里面的一个例子,见下图

 


 

 

看看下面的网站就是一年要花176块

 


 

 

SAE当前资费标准 http://sae.sina.com.cn/?m=devcenter&catId=155

Python中,进行SAE(Stacked Autoencoder)降维可以使用多种库和框架来实现,其中最常用的是使用深度学习框架TensorFlow和Keras。以下是一个使用TensorFlow实现SAE降维的示例代码: ``` python import tensorflow as tf # 定义Stacked Autoencoder的模型 def autoencoder(input_shape): # 编码器 encoder = tf.keras.Sequential([ tf.keras.layers.Dense(128, activation='relu'), tf.keras.layers.Dense(64, activation='relu'), tf.keras.layers.Dense(32, activation='relu') ]) # 解码器 decoder = tf.keras.Sequential([ tf.keras.layers.Dense(64, activation='relu'), tf.keras.layers.Dense(128, activation='relu'), tf.keras.layers.Dense(input_shape, activation='sigmoid') ]) # 构建完整的SAE模型 model = tf.keras.Sequential([encoder, decoder]) return model # 加载数据集 (x_train, _), (x_test, _) = tf.keras.datasets.mnist.load_data() # 数据预处理 x_train = x_train.reshape(-1, 784) / 255.0 x_test = x_test.reshape(-1, 784) / 255.0 # 创建SAE模型 input_shape = x_train.shape<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [堆叠去噪自编码器matlab代码-Computer-Vision-Action:计算机视觉学习,包括python机器学习动作;...](https://download.csdn.net/download/weixin_38546024/18986140)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *2* [深度学习手记(六)之实现稀疏自编码算法(SAE)的优化过程](https://blog.csdn.net/llh_1178/article/details/80274468)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *3* [神经网络学习系列(二)自编码器以及栈自编码器 附python代码(minst手写体识别)](https://blog.csdn.net/aiq77/article/details/108265466)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值