我知道Matlab有TrainAutoencoder(input, settings)函数来创建和训练一个自动编码器。结果能够运行"Encode“和"Decode”这两个函数。但这只适用于普通自动编码器的情况。如果你想要一个去噪的自动编码器怎么办？我搜索并找到了一些示例代码，他们使用“网络”函数将自动编码器转换为正常网络，然后像去噪的自动编码器那样进行Train(network, noisyInput, smoothOutput)。
但也有多个缺失的部分：
如何使用这个新的网络对象“编码”新的数据点？它不支持encode()。
如何将“潜在”变量转化为特征，走出这个“网
浏览 6提问于2018-10-08得票数 1
我在我的index.html.erb和index.js.erb中使用Rails3，如果我有：
<%= "string with unsafe characters' like <" %>
它将自动编码为：
string with unsafe characters" like &
就像我使用的一样：
<%=h "string with unsafe characters' like <" %>
我怎么才能让它停下来？我已经存储了一些简短的JavaScript，我需要插入到模板中
浏览 1提问于2010-05-08得票数 4
回答已采纳
我正在构建神经网络，使用去噪堆叠自动编码器。我训练自动编码器，然后将权重矩阵W，复制/初始化/克隆它的值到新的变量中，用于监督优化。我怎么能做这种事？
.initialized_value()不适用于我:/
浏览 1提问于2016-01-25得票数 3
回答已采纳
问题:电子邮件地址@中的被%40替换。
http头管理器：
用户定义变量：
http请求：
和结果树：
我对此进行了研究，他们说，如果http方法是POST，那么它应该自动编码。但它不会自动编码。有什么建议，我该怎么解决？
注：J测表版本: 3.1，我正在尝试测试rest服务。
浏览 8提问于2017-04-14得票数 0
回答已采纳
假设我训练了一个自动编码器(它给了我encoder1、decoder1和autoencoder1，这是encoder1和decoder1的组合)。该自动编码器在瓶颈中有3个潜在节点。 现在我想训练另一个自动编码器(自动编码器2)。这个新的自动编码器在瓶颈中有6个节点。我想使用encoder1创建autoencoder2的3个输入节点，另一方面使用解码器1，如下所示： ? 正如您所看到的，有两个输入和两个输出，每个都有自己的损失。构建了e1和d1，我想构建包含所有内容的自动编码器2: e1，e2，d1，d2。 现在，如果它只是将它们与1个输入和输出结合在一起，我就知道如何做到这一点： au
浏览 94提问于2020-04-20得票数 1
1回答
自动编码器特征提取平台
、、、
我正在处理一个大型数据集(大约55K的观测x11K特征)，并试图将维度降到大约150个特征。到目前为止，我尝试了PCA，LDA和自动编码器。我尝试的自动编码器是12000-8000-5000-100-500-250-150-，所有的层都是紧密的乙状结肠激活，除了最后一层，它有一个线性激活，以便从输入复制连续的数据。不管学习速度如何，在10-15个时代之后，自动编码器的丢失实际上是稳定的(这里，我在Keras中使用了ReduceLROnPlateau特性)。为了记录在案，我在训练前用z评分来规范每一个特征.我不知道怎么才能让这个损失停止到高原。
我的下一个尝试应该是在这个数据集上使用卷积神经网络
浏览 0提问于2020-08-13得票数 1
回答已采纳
我在AutroEcnoder的文档中发现：
指示符以重新表示输入数据，指定为由'ScaleData‘和true或false组成的逗号分隔对。
自动编码器试图在输出时复制它们的输入。为了使其成为可能，输入数据的范围必须与解码器的传输函数的范围相匹配。在训练自动编码器时，trainAutoencoder会自动缩放训练数据到这个范围。如果在训练自动编码器时对数据进行缩放，则预测、编码和解码方法也会缩放数据。
MATLAB是怎么做到的？当我运行这样一个模型时：
hiddenSize1 = 1;
autoenc1 = trainAutoencoder(tdata, hiddenSize1
浏览 0提问于2018-04-17得票数 0
为了训练去噪自动编码器，我在输入数据中构造了x+n，在输出数据中构造了x(x:原始数据，n:噪声)。学习完成后，我通过一个去噪自动编码器(x_test + n_test -> x_test)获得去噪数据。然后，作为测试，我通过将输入和输出数据构造成相同的值来训练自动编码器，就像传统的自动编码器一样。
(x -> x)
因此，在测试阶段，我获得了类似于去噪自动编码器的去噪数据。为什么通过传统的自动编码器来消除噪音？
请告诉我这两个自动编码器的区别。
浏览 4提问于2018-08-05得票数 2
回答已采纳
我读过许多论文，推荐使用变分自动编码器而不是自动编码器，因为它们具有更多的概率方法，并且能够在潜在维度上使用KL散度。但是，在对这两个网络进行测试时，我发现变分自动编码器输出的可变性降低了网络的精度，使用自动编码器的效果更好。我仍然致力于非常简单的数据和培训我的网络上的正常图像，没有任何增强或改变的背景。
变分自动编码器的性能是随着数据的增加而增加的，还是有其他的原因来选择它而不是自动编码器呢？
或者自动编码器在异常检测方面表现更好？
浏览 0提问于2019-04-03得票数 1
1回答
我在PyTorch中有一个简单的自动编码器架构，我训练它来进行特征压缩和重建。我的目标是使用自动编码器的潜在空间来降低数据的初始维度，并在测试阶段对其进行压缩。要执行此操作，我需要将测试数据仅传递给编码器，而不是整个自动编码器。你知道怎么做吗？像model = Autoencoder.encoder()之类的吗？我的完整架构如下： class Autoencoder(nn.Module):
def __init__(self, n_features):
super(Autoencoder, self).__init__()
self.
浏览 18提问于2021-09-13得票数 0
1回答
自动编码器以减少输入数据大小
、、、、
目前，我想使用自动编码器来减少输入数据的大小，以便将减少的数据用于另一个神经网络。我的任务是拍摄一段视频，然后将视频的图像提供给自动编码器。当我只使用几张图像作为输入时，自动编码器工作得很好，但当我想要一系列图像时，它就不行了。
想象一下，从一个移动的球上拍摄视频。例如，我们有200张图片。如果我对200张图像使用自动编码器，误差很大，但如果我只对5张图像使用，重建误差很小，可以接受。似乎自动编码器不学习球循环的顺序或时间运动。我也尝试使用堆叠式自动编码器，但效果不佳。
有没有人知道问题是什么，或者可以使用自动编码器来完成这项任务？
浏览 1提问于2013-12-04得票数 2
1回答
自动编码器分析检测
、、、
我最近了解到使用自动编码器(特别是去噪自动编码器)进行的anamoly检测，.To训练自动编码器，我们需要有某种模式的数据吗？或者有什么方法来训练异常数据，以及如何确定这些数据是否适合于自动编码模型的训练。
浏览 0提问于2020-01-20得票数 1
回答已采纳
我使用自动编码器对数据进行预训练，并将输入数据规范化并传递给自动编码器。因此，自动编码器最终将减少功能的数量。
现在，我想使用自动编码器的输出来执行预测任务。为此，我希望将自动编码器的输出传递到一个完整的提要网络中。
我的问题是，在进入完整的馈送网络之前，我是否需要将数据再次规范化？
浏览 0提问于2016-01-08得票数 0
1回答
大家好，
我现在正在做一个自动编码器，将一些简单的2D数据减少到1D。该结构为2- 10 -1- 10 -2神经元/层。作为激活函数，我在除输出层之外的每一层都使用sigmoid，在输出层我使用标识。我正在使用Accord.NET框架来构建它。
我正在用RBMs和CD算法预先训练自动编码器，在那里我可以改变初始权重，学习率，动量和权重衰减。
微调是通过反向传播完成的，我可以配置学习率和动量。
数据是一些人工创建的形状，并在图片中标记为绿色：
自动编码器的重建是黄线。这就引出了我的问题。不知何故，编码器不能创建非线性形状作为输出。虽然我在周围测试了很多次，并改变了十几次值，但我没有得到更好的结
浏览 5提问于2017-12-05得票数 0
我想将JSON数据存储在数据库中。理想情况下，数据应该在退出数据库时自动解码，存储在数据库中时应该自动编码。
我该怎么做？
浏览 5提问于2014-08-19得票数 0
回答已采纳
2回答
我们可以使用下面的YAML文件(以及pylearn2 /scripts/train.py.py)在pylearn2中训练一个自动编码器。
!obj:pylearn2.train.Train {
dataset: &train !obj:pylearn2.datasets.mnist.MNIST {
which_set: 'train',
start: 0,
stop: 50000
},
model: !obj:pylearn2.models.autoencoder.DenoisingAutoenco
浏览 0提问于2014-09-22得票数 1
1回答
我看了一下泽勒·的论文，以及他在youtube上演讲的一些视频，当时我正试图用tensorflow复制这篇文章，我偶然发现了一种叫做自动编码器的东西，它的程序看起来(无论是对还是外部的)都很相似，比如：
在泽勒的论文中：
转换输入。
把它传过去。
执行池操作。
..。对所有层进行冲洗和重复，完成后，将过程反转回像素空间，
在自动编码器中：
将其与我在github 上看到的自动编码器进行比较，可以这样做：
转换输入，
把它传过去
执行池
...rinse和重复其他层，并做反向的像素空间。
因此，要对conv网使用tensorflow所做的工作进行可
浏览 5提问于2016-05-26得票数 0
1回答
我正在运行PCA和自动编码器(2个隐藏层与relu)的数据。主成分分析( PCA )和自动编码器都给出了50%的排序精度。我尝试过不同的自动编码器变体:改变层，神经元，激活。但是它并没有表现得更好。这背后的可能原因是什么。有没有人建议对数据进行分析，以找出自动编码器性能不佳的原因。
浏览 0提问于2019-07-26得票数 0
1回答
我正在跟随训练一个自动编码器。
训练进行得很顺利。接下来，我感兴趣的是从隐藏层(编码器和解码器之间)提取特征。
我该怎么做呢？
浏览 33提问于2021-03-03得票数 0
回答已采纳
1回答
当我试图从mp3中提取CD并自动编码时，我会得到以下错误：
'lame' was not found in your path. Asunder requires it to create MP3 files. All MP3 functionality is disabled.
怎么回事，我该怎么解决呢？我试着在一些论坛上安装ubuntu-restricted-extras，但是没有帮助。
浏览 0提问于2017-04-17得票数 5
回答已采纳
我正在尝试在训练循环中为自动编码器集成实现一个case分支:根据特定的条件，只应该更新一个特定的自动编码器。我一直在尝试使用tf.case()来实现这一点，但它并没有像我预期的那样工作……
def f(k_win):
update_BW = tf.train.AdamOptimizer(learning_rate=learningrate).minimize(Cost_List[k_win])
return update_MSE_winner(k_win) + [update_BW, update_n_List(k_win), update_n_alpha_List(k_w
浏览 0提问于2017-04-06得票数 3
哪些著名的研究论文和/或书籍涉及自动编码器和自动编码器的各种不同训练算法？我说的是研究论文和/或书籍，它们为用于训练自动编码器的不同训练算法奠定了基础。
浏览 4提问于2014-06-27得票数 0
1回答
我的目标是在Matlab中训练一个自动编码器。我正在使用深度学习工具箱。我对自动编码器和Matlab都是新手，所以如果这个问题是微不足道的，请容忍我。 我的输入数据集是一个包含2000个时间序列的列表，每个时间分量都有501个条目。因此，我的输入数据集被存储到一个名为inputdata的数组中，该数组的维数为2000*501。 自动编码器应再现时间序列。这意味着输出应该是501个分量的时间序列的2000倍。因此，我的理解是输入节点应该是501，输出节点也应该是501。 但是，如果我这样做了： hiddenSize = 100;
autoenc = trainAutoencoder(y_
浏览 12提问于2019-04-03得票数 0
回答已采纳
1回答
我做了几个图像自动编码器的例子，它们工作得很好。现在，我想为文本做一个自动编码器，它接受一个句子作为输入，并返回相同的句子。但是当我尝试使用和图像相同的自动编码器时，我会得到不好的结果。
我想这是因为我的文字很稀少，词汇量很大，只有500 K。
您有用于Keras中文本的自动编码器工作示例的链接吗？
我看到，在大多数论文中，他们使用交叉熵作为损失函数。交叉熵是如何精确计算损失的？即使我用字符自动编码器做一个字符，使用交叉熵也有意义吗？
浏览 0提问于2018-03-25得票数 9
2回答
我试图解决一个问题，我最初需要获得2个输入，将每个输入通过自动编码器层，然后将所有内容连接到一个将连接到两个自动编码器输出的层。
我已经创建了自动编码器层并保存了它们。我很难找到如何将编码数据的两个输出连接到一个层。如有建议，将不胜感激。
编辑：
我一直在研究级联层，看起来应该是这样的。但是，我仍然不知道如何将自动编码器的最后几个层连接到级联层。
自动编码器的层层形状如下：
input_1 (InputLayer) [(None, 85)]
_____________________________________________
浏览 3提问于2021-09-26得票数 2
如果我只训练一个只有一个向量的自动编码器和一个只有第二个向量的第二个自动编码器，这是否意味着如果向量相似，那么两个自动编码器的隐层向量也是相似的吗？
自动编码器结构是相同的。隐层神经元的数量小于输入。所以我想降低维数。我知道这太合适了。但对我来说，似乎你不学习特征，只是模仿你的输入函数与较小的维向量，同时失去信息。所以你得到了一种低维近似的学习向量。
因此，如果向量V1类似于V2，我将使用V1来训练自动编码器的A1和V2来训练自动编码器A2，这是否意味着A1的隐藏层向量和A2的隐藏层向量不会像V1和V2那样相似，但仍然大致相似？
浏览 0提问于2018-03-07得票数 1
2回答
我正在寻找使用MxNet实现卷积自动编码器。但是基于全连接网络的自动编码器只有一个例子，那就是。在github中也有一个问题提出了类似的问题，但得到的答复很少。是否有使用MxNet实现卷积自动编码器的玩具示例？
浏览 3提问于2017-04-13得票数 0
回答已采纳
1回答
我使用Python和Tensorflow构建了一个自动编码器。为了构建自动编码器，我使用了Tensorflow教程，介绍如何构建自动编码器来读取手写数字上的MNIST数据集。我用它来寻找CGRA组合的特性。
到目前为止，我对“自动编码器代码”进行了结构调整，使其能够在自己的数据上使用。我找到了一些特性，并且已经成功地重建了输入，直到出现了某种错误。现在，我尝试使用自动编码器的权重，初始化一个参数类似于我的自动编码器的编码器部分的神经网络。然后，添加一个单独神经元和线性激活函数的额外层来执行回归分析(或者基本上是监督学习)。
因此，我的问题是:如何使用tensorflow来初始化具有特定权重(而
浏览 0提问于2017-01-31得票数 2
回答已采纳
2回答
我正在玩一个玩具例子来理解PCA和keras的自动编码器。
我有以下理解PCA的代码：
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from sklearn import decomposition
from sklearn import datasets
iris = datasets.load_iris()
X = iris.data
pca = decomposition.PCA(n_components=3)
pca.fit(X)
pca.exp
浏览 3提问于2017-08-16得票数 4
回答已采纳
我是Tensorflow的初学者，我想为图像创建一个简单的自动编码器，我尝试了一些我在网络上找到的例子，但所有这些都是在Mnist数据集上工作，这使得预处理这些图像变得容易，但我想为我自己的数据集图像创建一个自动编码器。我的问题是:如何使用我自己的数据集图像在tensorflow中创建一个简单的自动编码器(因为我需要一些步骤来加载图像和预处理)？(我需要使用自己的数据集的自动编码器模型的完整示例)
浏览 0提问于2020-03-11得票数 0
1回答
我已经创建了一个自动编码器使用一个单独的编码器和解码器，如本链接所述。
我正在检查我的自动编码器如下。如何分别保存与自动编码器对应的编码器和解码器？或者，我可以从保存的自动编码器中提取深度编码器和解码器吗？
checkpoint = ModelCheckpoint(filepath, monitor='val_accuracy', verbose = 1, save_best_only=True, mode='max')
callbacks_list = [checkpoint]
autoencoder.fit(
x=x_train,
y
浏览 7提问于2022-04-23得票数 1
回答已采纳
1回答
对于叠加去噪的自动编码器，如下所示
原始数字来自
我想知道在哪里能增加噪音？对于单层去噪的自动编码器，我们只在输入端增加噪声。
对于多层去噪自动编码器，我们需要在图中的位置1,2,3,4添加噪声，还是只需要在位置1中添加噪声。
谢谢
浏览 0提问于2018-10-20得票数 1
回答已采纳
我有一个大的数据集，我想用它来训练我的卷积自动编码器。
和每个自动编码器一样，我的卷积式自动编码器需要使用: x=y作为输入(X和Y参数中相同的x_train和x_test )。
例如：
autoencoder.fit(x_train, x_train,
epochs=50,
batch_size=256,
shuffle=True,
validation_data=(x_test, x_test))
如何使用image_dataset_from_
浏览 3提问于2021-07-05得票数 1
我正在尝试在Tensorflow中训练一个自动编码器。然而，这个自动编码器只是我架构的一部分。我希望有以下工作流程：
使用输入图像-->上游处理的数据-->馈入自动编码器-->编码图像输出及其梯度。
换句话说，我希望有整个编码操作的梯度，包括上游数据处理，w.r.t输入图像数据。
我也想训练我的自动编码器，自己。因此，我认为我可以将输入图像转换为tf.placeholder_with_default类型的自动编码器。我的想法是，我可以将上游数据处理直接连接到默认的自动编码器输入中，但也可以允许用户传入训练数据进行训练。
因此，我构造自动编码器的输入如下：
input_x =
浏览 3提问于2019-01-08得票数 1
1回答
我正在尝试用tensorflow编写CLDNN的实现，就像在中那样。我对降维层有一个问题。
据我所知，它是由几个堆叠限制Boltzmann机器(RBM)和工作像一个自动编码器。该层的解码器部分只是为了训练编码器以减小井的尺寸。这意味着您希望将编码器的输出“插入”到下一层的输入中。
我可以定义一个损耗函数来训练自动编码器(通过比较解码输出的输入)，还有一个其他的损耗函数来训练整个图。我有办法训练这两个损失函数吗？或者我误解了这里的问题，但我觉得自动编码器的解码器部分是“在循环之外”的，不会被训练。
我发现了这样的自动编码器和卷积层的实现等等.但我不太明白如何在网络中“插入”自动编码器(如在方案中
浏览 5提问于2016-12-07得票数 0
回答已采纳
我想评估自动编码器将如何对我的数据执行。现在，我可以用解码后的数据与原始数据的均方误差来实现这一点，当将这个自动编码器与其他自动编码器进行比较时，这是很好的，但我想知道。用这里来评估解释的方差不是评估它的一个更好的标准吗？这样，我不仅可以更直观地理解我的自动编码器正在学习的数据的多少，而且还可以将其与其他降维技术(如PCA和NMF )进行比较。这个度量适合于这种情况吗？
浏览 0提问于2021-10-10得票数 1
回答已采纳
1回答
在变分自动编码器中，z不能直接从自动编码器的输出中采样，因为网络是不可微的。相反，我们必须从正态分布中采样谁的参数是自动编码器，mu和stddev的输出。
因此，我无法理解网络是如何不可区分的(假设我们采用z= mu + srd)。所以重新参数化对我来说还不清楚。
任何帮助都将不胜感激！！
浏览 0提问于2017-07-31得票数 0
我正在使用CNN自动编码器来创建一个状态表示层，稍后我将被输入到我的增强代理中。所以我训练了我的CNN自动编码器，它给出了很好的状态表示。但我有以下问题
我的自动编码器层可以安装吗？
如果有一个过度适合，它会不会导致红宝石信息在我的瓶颈层？
浏览 0提问于2018-09-19得票数 7
回答已采纳
我尝试遵循mathworks提供的训练深度稀疏自动编码器(4层)的示例，因此我分别预先训练了自动编码器，然后将其堆叠到一个深度网络中。然而，当我试图通过train(deepnet，InputDataset)指令来微调这个网络时，训练会立即停止，并且我会收到一条“性能目标已达到”的消息。有没有办法在Matlab中以无监督的方式训练和微调深度自动编码器网络(不提供标签)？
浏览 2提问于2016-10-14得票数 0
1回答
我刚开始深造，对完全连接的网络感到困惑。一个具有多个隐藏层的自动编码器是一种深度神经网络(DNN)吗？DNN总是完全连通的吗？假设一个包含三个隐藏层的自动编码器网络是使用H2O R包构建的，您如何知道您构建的自动编码器网络是否完全连接？
浏览 0提问于2018-08-07得票数 2
1回答
下面是Datacamp关于使用卷积自动编码器进行分类here的教程。我在教程中了解到，我们只需要将自动编码器的头部(即编码器部分)堆叠到一个完全连接的层上即可进行分类。 在堆叠之后，得到的网络(卷积自动编码器)被训练两次。第一种方法是将编码器的权重设置为false，如下所示： for layer in full_model.layers[0:19]:
layer.trainable = False 然后重新设置为true，并重新训练网络： for layer in full_model.layers[0:19]:
layer.trainable = True 我不明白为什么我
浏览 27提问于2020-08-21得票数 1
回答已采纳
我有一些问题，自动编码从文本到UTF-8在Struts2标签.
我想将包含HTML标记的值从action类传递到JSP页面，但是在Struts标记中，该值自动编码到UTF-8，HTML标记不正确地显示。
例如:操作类中有一个名为param的字符串变量
String param=param[0] + "& <br>" + param[1];
这个param在JSP页面中传递，并使用Struts标记在页面中显示：
<s:property value="%{param}">
我的问题是，在JSP页面中，<br>标记是自动编码
浏览 5提问于2017-06-23得票数 0
回答已采纳
1回答
我正在训练使用卷积层的2D图像的自动编码器，并希望将完全连接的层放在编码器部分的顶部进行分类。我的自动编码器定义如下(只是一个简单的例子)：
def encoder(input_img):
conv1 = Conv2D(32, (3, 3), activation='relu', padding='same')(input_img)
conv1 = BatchNormalization()(conv1)
pool1 = MaxPooling2D(pool_size=(2, 2))(conv1)
conv2 = Conv2D(64,
浏览 0提问于2019-08-09得票数 1
回答已采纳
1回答
我工作的堆叠稀疏自动编码器使用MATLAB。有谁能建议堆叠稀疏自动编码器参数的值：
L2 Weight Regularization ( Lambda) Sparsity Regularization (Beta) Sparsity proportion (Rho).
浏览 2提问于2016-12-02得票数 0
1回答
我有12000个.npy格式的文件。我这么做是因为我的图像是灰色的。每个文件是(64,64)。我想知道是否有一种方法可以分割成测试和训练用于自动编码器。
我的自动编码器将接受(64,64)图像的训练。如果有人有使用自动编码器的经验:是与(3,64,64)或(64,64)一起训练更好？png，jpg格式比npy好吗？
浏览 15提问于2022-11-18得票数 1
回答已采纳
我知道自动编码器可以用来生成新的数据。据我所知..。自动编码器使用原始分布X来学习均值和西格玛描述的随机高斯分布。
然后，译码器将使用均值和西格玛参数随机抽样一个新的参数，将接近X。
我的问题是，假设我有关于X和Y.Then两个特性的信息，我是否可以使用变分自动编码器生成与Y相关的新的随机样本。
浏览 0提问于2022-01-11得票数 0
2回答
我对自动编码器如何能够在图像中重建颜色感到困惑。据我所知，CNN有一个特征检测器，可以将图像转换成一系列特征或激活映射。这些活化图与结构特征的存在程度成正比。那么，如果颜色信息不是一个结构特征，那么如何在自动编码器中保存它呢？对我来说，颜色信息很快就会丢失，但是大多数自动编码器的视觉显示它们很好地保留了颜色。
浏览 0提问于2019-09-05得票数 2
有人能举例说明如何重用自动编码器的隐藏层用于神经网络的分类任务吗?我想在tensorflow的多层感知器模型中使用自动编码器的两层
浏览 1提问于2017-12-17得票数 0
1回答
我使用的是自动编码器，如果重建图像是这样的话，是因为输入图像丢失了许多质量的。
我应该怎么做才能得到一个看起来更像输入的图像，因为我将使用输出图像来进行人脸识别。
我是否应该编辑日期，批次大小..？
浏览 2提问于2019-02-07得票数 0
回答已采纳
1回答
最近，我学习了自动编码器，并计划构建一个作为推荐系统一部分的带有隐式反馈的推荐系统。
根据经典自动编码器的工作原理，它们似乎可以用于重构分量不一定为0或1的向量。然而，所有的介绍性材料似乎都表明，自动编码器是在二进制向量上工作的，x=0,1^d，如或本中的2.2节。
为了对非二进制向量使用自动编码器，我认为唯一的区别是应该使用L2误差函数，而不是适用于二进制情况的交叉熵。
如果有人能帮我澄清这件事，我很感激。
浏览 6提问于2016-07-01得票数 2
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
