python - 如何通过训练有素的自动编码器和 Pylearn2 转换新数据？

Question

我通过 Pylearn2 训练并保存了两层堆叠 CAE 模型。我想加载这些模型并转换一个新的数据集。我该怎么做？

这是我的模型：

l1 = serial.load('CAE_l1.pkl')
l2 = serial.load('CAE_l2.pkl')
print l1
<pylearn2.models.autoencoder.ContractiveAutoencoder object at 0x7f3bb6d482d0>

我也尝试过类似的方法，但它不起作用。

data = T.matrix('data')
transform = theano.function([data], l1(data))

这是我最近做的，但不确定它的正确性：

data = T.matrix('data')
transform = theano.function([data], l1.encode(data))
X_1 = transform(X.astype(float32))

score 2 · Accepted Answer

检查pylearn2.scripts.autoencoder目录中的配置文件，该文件显示如何使用堆叠的、预训练的自动编码器。在进入模型的下一阶段时，您可以将预训练模型作为数据集上的转换器对象加载。

如果您不想使用 yaml 文件，您应该能够使用正确的方法将模型函数串在一起（未经测试，因为我正在写下我的头顶）：

输入 = T.vector()

enc = l1.encode(输入)

输出 = l2.encode(enc)

f = theano.function（[输入]，输出）

real_transformation = f(real_data)

要返回，您可以使用该ae_layer.decode()方法执行相同的操作。

如果这些是 and 层的一部分MLP，您可以调用上的.fprop()方法MLP来向上通过所有层。

1 回答 1