问题标签 [autoencoder]

我正在尝试与不同架构中的另一个编码器/解码器共享架构的编码器/解码器子网络之间的参数。这对于我的问题是必要的，因为在测试时它需要大量的计算（和时间）来对原始架构进行前向传递，然后提取解码器结果。然而，我注意到的是，虽然我在做的时候明确要求参数共享clone()，但参数是不共享的，每个架构在训练时都有自己的参数。

我通过一些print()语句通过将一些随机向量前向传播到两种架构的解码器和编码器中来展示两种架构的结果之间的差异（您也可以比较它们的权重）。

所以我想知道，谁能帮我找出共享参数时我做错了什么？

下面我发布我的代码的简化版本：

我需要为神经元信号实现分类应用程序。第一步，我需要训练一个去噪自动编码器 (DAE) 层进行信号清理，然后将输出馈送到 DBN 网络进行分类。我试图在 Tensorflow 中找到对这些类型的支持，但我发现的只是两个模型 CNN 和 RNN。有没有人知道使用 Tensorflow 对这两个模型进行健壮的实现？

我试图通过添加一层来使 Keras VAE 示例适应深度网络。

原始代码：原始VAE代码

变化：

编译我有这个错误：

我在 repo 中有其他示例，这似乎是一种有效的方法。我错过了什么吗？

我训练了一个堆叠的自动编码器。第一个隐藏层的权重维度是（SizeHiddenLayer1 x SizeInputLayer），所以这个权重的可视化很简单，因为输入数据的大小和这个权重的列是相同的。但是第二个隐藏层的权重维度是（SizeHiddenLayer2 x SizeHiddenLayer1）。谁能帮我想象一下这个重量？（在 Python 或 Matlab 中）

我想构建一个卷积自动编码器，其中输入的大小不是恒定的。我这样做是通过堆叠 conv-pool 层直到我到达编码层，然后用 upsample-conv 层做相反的事情。问题是无论我使用什么设置，我都无法在输出层中获得与输入层完全相同的大小。原因是 UpSampling 层（假设为 (2,2) 大小）将输入的大小加倍，因此我无法获得奇数维度。有没有办法将给定层的输出维度与单个样本的前一层的输入维度联系起来（正如我所说，变量中最大池层的输入大小）？

我正在尝试根据文档使用 Keras 构建自动编码器[this example][1]。因为我的数据很大，所以我想使用生成器来避免将其加载到内存中。

我的模型看起来像：

我的发电机：

然后拟合模型：

我收到此错误：

异常：检查模型目标时出错：预期的 convolution2d_76 有 4 个维度，但得到的数组形状为 (32, 1)

这看起来像是我的批次的大小，而不是样本的大小。我究竟做错了什么？

我想使用 matlab 中的 trainAutoencoder 函数来查找 300 个语音信号的 30 个主要模式。

我尝试使用此功能，并使用 plotWeigths 查看模式（重量），但似乎这仅适用于图片而不适用于语音信号。

我想获得 30 个图表，每个图表的长度都与我的语音信号相同，并且我可以将 300 个信号中的任何一个作为 30 个主要模式的组合，并且误差最小。

这是我尝试过的：

cells = 是一个大小为 1x300 的元胞数组，每个元胞包含 300 个信号之一。

有人可以帮助我。谢谢，

据我了解，通常自动编码器在编码和解码网络中使用绑定权重，对吗？

我看了一下Caffe 的自动编码器示例，但我没有看到权重是如何绑定的。我注意到编码和解码网络共享相同的 blob，但是如何保证正确更新权重？

如何在 Caffe 中实现绑定权重自动编码器？

我想在 Tensorflow 中调整这个循环神经网络（来自本教程
https://github.com/aymericdamien/TensorFlow-Examples/
，然后是 RNN 程序），这样它将成为一个去噪自动编码器。我有 5 个时间步长，每次从 sin(x) 中采样无噪声目标，噪声输入为 sin(x)+ 高斯误差。现在我的问题是示例中的 RNN 为每个输入序列提供了 1 个输出值，但我想要每个时间步的输出（我想要 5 个输出，而不是 1）我该怎么做？我怀疑这可能是重新定义权重和偏差的问题，但是如何？这是代码。非常感谢您的帮助，

如果我运行它，我会收到以下错误消息：ValueError: Shape (?, 5, 2) must have rank 2。这看起来很公平，因为目标是 5 步长，输出只有 1。但是我该如何解决那？

非常感谢。

我有一个大约 70,000 个训练图像的列表，每个形状（颜色通道数，高度宽度）= (3, 30, 30)，以及大约 20,000 个测试图像。我的卷积自动编码器定义为：

这是来自这里的自动编码器。

它抛出一个错误：

这很奇怪，因为我已经清楚地将指定的输入形状更改为 (3, 30, 30)。我缺少一些实现技术性吗？