How to implement a deep autoencoder (eHow do i get filters from convulutional neural network(CNN)? 我的想法是这样的：对输入图像（28x28）做随机图像并获得随机补丁（8x8）。然后使用自动编码器学习补丁的共同特征（特征 = 隐藏单元；例如，大约 100 个）。然后将特征过滤器应用于输入图像并进行卷积。我正确吗？
我很困惑，因为有时文献状态只使用类似的过滤器，例如 8，但在我的情况下，我有 100..g。2 层或 3 层）？有什么想法或资源吗？
您可以按照教程：http ://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial
这就像关于自动编码器和一些关于 CNN（卷积和池化）的简单内容的讲座。完成本教程后，您将准备好自动编码器实现和堆叠式自动编码器，用您的话来说，深度自动编码器实现已经准备就绪。
本教程将完全满足您的要求：
28x28 MNIST 图像
使用自动编码器获取 8x8 补丁和学习过滤器
通过这些 8x8 过滤器对这些图像进行卷积
汇集它们
使用池化的向量/图像并将它们放入 soft-max 分类器以学习 10 种不同类别的 MNIST 数据库。