2

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..

4

1 回答 1

0

它现在已在 master 上修复:) 打开问题有时是最佳选择 https://github.com/fchollet/keras/issues/1604

于 2016-01-31T02:23:42.020 回答