1

我的目标是拥有一个自动编码网络，我可以在其中训练身份函数，然后进行前向传递以重建输入。

为此，我正在尝试使用VariationalAutoencoder，例如：

MultiLayerConfiguration conf = new NeuralNetConfiguration.Builder()
                .seed(77147718)
                .trainingWorkspaceMode(WorkspaceMode.NONE)
                .gradientNormalization(GradientNormalization.ClipElementWiseAbsoluteValue)
                .gradientNormalizationThreshold(1.0)
                .optimizationAlgo(OptimizationAlgorithm.CONJUGATE_GRADIENT)
                .list()
                .layer(0, new VariationalAutoencoder.Builder()
                        .activation(Activation.LEAKYRELU)
                        .nIn(100).nOut(15)
                        .encoderLayerSizes(120, 60, 30)
                        .decoderLayerSizes(30, 60, 120)
                        .pzxActivationFunction(Activation.IDENTITY)
                        .reconstructionDistribution(new BernoulliReconstructionDistribution(Activation.SIGMOID.getActivationFunction()))
                        .build())
                .pretrain(true).backprop(false)
                .build();

然而，VariationalAutoencoder似乎是为训练（和提供）从输入到编码版本的映射而设计的，即在上述示例配置中，大小为 100 的向量到大小为 15 的向量。

但是，我对编码版本不是特别感兴趣，但想训练一个 100 向量到自身的映射。然后，我想通过它运行另外 100 个向量并取回它们的重建版本。

但即使在查看VariationalAutoencoder（或AutoEncoder太）的 API 时，我也无法弄清楚如何做到这一点。或者这些层不是为这种“端到端使用”而设计的，我必须手动构建一个自动编码网络？

4

1 回答 1

2

您可以了解如何使用 VAE 层从变分示例中提取平均重建。

有两种方法可以从变分层获得重建。标准是generateAtMeanGivenZ将从图层中抽取样本并为您提供平均值。如果您想要原始样本，您可以使用generateRandomGivenZ. 有关所有其他方法，请参见javadoc 页面。

于 2018-07-19T02:49:35.997 回答