xuyang508的博客

图片的自动编码很容易就想到用卷积神经网络做为编码-解码器。在实际的操作中，也经常使用卷积自动编码器去解决图像编码问题，而且非常有效。 下面通过**keras**完成简单的卷积自动编码。 编码器有堆叠的卷积层和池化层(max pooling用于空间降采样)组成。对应的解码器由卷积层和上采样层组成。 @requires_authorization # -*- coding:utf-8 -*-from k

一、一般来说不用一定要使用W 和 W‘ 作为编码器和解码器的参数 二、 在pre-train中， 注意的一点是。一般来讲，隐含层都是要比输入层的维度小，但是当隐含层单元数比输入多的时候，就要用很强的正则去限制。 Auto-encoder： pre-train 迭代的对每一层进行自动编码，使得数据在每一层上进行重构，然后保留编码器的参数作为该层到下一层的初始参数，这样就可以说，这些参数大致上能