这是我的代码：
AE_0 = Sequential()
encoder = Sequential([Dense(output_dim=100, input_dim=256, activation='sigmoid')])
decoder = Sequential([Dense(output_dim=256, input_dim=100, activation='linear')])
AE_0.add(AutoEncoder(encoder=encoder, decoder=decoder, output_reconstruction=True))
AE_0.compile(loss='mse', optimizer=SGD(lr=0.03, momentum=0.9, decay=0.001, nesterov=True))
AE_0.fit(X, X, batch_size=21, nb_epoch=500, show_accuracy=True)
X 具有形状 (537621, 256)。我正在尝试找到一种方法将大小为 256 的向量压缩到 100，然后再压缩到 70，然后再压缩到 50。我所做的是千层面，但在 Keras 中，使用自动编码器似乎更容易。
这是输出：
纪元 1/500 537621/537621 [==============================] - 27s - 损失：0.1339 - acc: 0.0036
纪元2/500 537621/537621 [===============================] - 32s - 损失：0.1339 - acc: 0.0036
Epoch 3 /500 252336/537621 [=============>.......] - ETA：14s - 损失：0.1339 - acc：0.0035
它一直这样继续下去..