1回答
稀疏矩阵乘法的Theano梯度
、、、、
我试图在Theano中实现一个带有稀疏输入的自动编码器。AsTensorError: ('Variable type field must be a TensorType.', SparseVariable{csr,float64}, Sparse[float64, c
浏览 3提问于2014-11-20得票数 2
回答已采纳
1回答
我已经阅读了各种TensorFlow教程，试图熟悉它的工作原理；我开始对使用自动编码器感兴趣。我从使用Tensorflow的模型库中的模型自动编码器开始：
然而，我的自动编码器给了我看起来像垃圾的权重(尽管准确地重新创建了输入图像进一步<
浏览 6提问于2017-02-23得票数 10
2回答
要构造一个压缩式自动编码器，可以使用具有成本函数的普通自动编码器。
def cost(X, X_prime):
grad = tf.gradients(ys=X_prime, xs然而，成本并不低于0.067，这是很奇怪的。我对成本函数的</em
浏览 3提问于2017-11-30得票数 0
我有一个大的稀疏数据矩阵(包字，超过大量的条目)。在sklearn模型(如RandomForest )中，我可以很容易地将其视为稀疏矩阵。我想知道是否有任何有效的方法来处理Catboost，这不会导致这种情况吗？例如，任何内部内置的特性，比如TFRecords of Tensorflow，都可以加载细菌.
浏览 0提问于2017-10-31得票数 3
2回答
分布式PCA或等效
、、、
我们通常有相当大的数据集可供建模，只是为了给您一个想法：超过六千万行。此外，第9页“缺失数据和矩阵完成”讨论了如何处理稀疏/缺失数据。GLRM虽然似乎是我们正在寻找的，但我们找不到这些想法
浏览 0提问于2018-07-11得票数 5
回答已采纳
有些模型，如稀疏自动编码器，需要激活正则化，但我找不到一个API来规范层的激活。
有什么方法可以添加自定义的正则化器吗？还是层激活tf.trainablevariables？我知道tensorflow可以在体重上应用l2调节
浏览 2提问于2017-09-14得票数 0
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
浏览 2提问于2016-12-02得票数 0
1回答
有人能告诉我关于建立神经网络以便对神经网络的输入进行拉索正则化的建议吗？我要找的是一个DNN，它能够计算经典的LASSO成本函数优化，并能给我输出用LASSO获得的稀疏权向量。
浏览 3提问于2020-09-13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
浏览 0提问于2017-01-31得票数 2
回答已采纳
我试图在Keras中实现一个 (以Tensorflow作为后端)。原论文作者建议，在训练中应逐步增加中层的稀疏性：
假设我们的目标是k= 15的稀疏水平，然后，我们从一个大的稀疏级别(例如k= 100)开始，k-稀疏的自动编码器可以训练所有的隐藏单元。然后，我们线性地降低稀疏水平从k= 100到k= 15在上半个世纪。这将<e
浏览 0提问于2018-06-29得票数 2
1回答
提供一套(m no.关于n维向量，正确的无监督的聚类方法是什么？向量本质上代表了模式。问题是:是否存在一组向量，表现出与v1相似(不完全相同)的模式，对于v2等具有类似的模式？
浏览 0提问于2019-06-18得票数 1
2回答
我有一个预解压缩的文本文件的文件夹(来自图像、pdf、文档等的数据)。总共有222mb或27,600个文档。X = vectorizer.fit_transform(documents.values())将“X”导出到文本文件会显示它的大小约为7 7gb！pca.fit_transform(vectorized_data)MemoryError
据我所知，我使用的是
浏览 2提问于2019-03-06得票数 0
3回答
我一直在研究UFLDL教程(在matlab/octave中)：
并且已经在不同的数据集上尝试了稀疏自动编码器。我尝试在时间序列数据上运行它，但遇到了问题。由于输入数据具有负值，因此S型激活函数(1/1 + exp(-x))是不合适的。在tanh中进行替换时，优化程序minfunc (L-BFGS)失败(步长小于TolX)。我将输出层改为线性，输入层保持为sigmoid，但这不是一个更好的解决方案。自动编码
浏览 2提问于2012-07-11得票数 1
1回答
我目前正在使用一个稀疏自动编码器，我所理解的是，我们不需要所有隐藏单元为每个输入触发，而是根据输入类型的不同一些特定的隐藏单元。为此，我们在损失函数中添加了一个稀疏正则化项。但我无法理解如何将这个正则化项添加到损失函数中，以帮助我们阻止某些隐藏的单位触发？。
浏览 2提问于2020-05-12得票数 0
1回答
我从来不知道如何计算自动编码器损失函数，因为预测有很多维数，而且我一直认为损失函数必须输出给定记录的单个数字/标量估计。然而，在GitHub上，我最近遇到了一个存储库，它在TensorFlow中实现了一个示例自动编码器，而平方错误实现比我想象的要简单得多：世界银行( TensorFlow 文
浏览 0提问于2016-12-06得票数 5
回答已采纳
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
浏览 5提问于2016-12-07得票数 0
回答已采纳
1回答
设置
编码器层有256个神经元，具有线性函数。译码器/输出层具有与线性函数输入相同数量的神经元。我用大约250000张图像训练了自动编码器。在下面，我展示了测试数据的结果，而我并没有用这些数据进行培训。上一行总
浏览 1提问于2017-02-21得票数 1
1回答
变分自动编码器实现
、、、
我正在尝试使用python和tensorflow实现一个变分自动编码器。我在互联网上看到了各种各样的实现。我已经成功地使用了我找到的各个部分来创建我自己的部分，并使它们与我的具体案例一起工作。我在这里用一个自动编码器结束了：( 1)编码器具有2个卷积层和1个扁平层，3)和具有编码器反向部分
浏览 0提问于2017-07-02得票数 1
1回答
我在Keras中运行了一个FCN，它使用作为损失函数。然而，我不确定损失是如何累积的。
我知道损失是在像素级别上应用的，但是图像中每个像素的损失加起来就形成了每个图像的单个损失吗？此外，每个图像的损失是否只是在批处理上求和(或者是其他操作)？
浏览 14提问于2018-08-22得票数 0
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
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
腾讯会议
云直播活动推荐
腾讯云开发者
