回答情况：
提问时间：
问题标签：
我把我的数据作为DataFrame639 -0.002498 -0.000278 -0.005576 -0.002228 -0.002229 0 0 ... 0 0 1 0
浏览 2提问于2020-01-22得票数 6
回答已采纳
我尝试在Tensorflow中创建一个自动编码器，而不使用contriib。这是原始代码
import tensorflow as tfimport matplotlib.pyplot as plt
filter=tf.Vari
浏览 0修改于2018-11-04得票数 0
回答已采纳
最初它基本上是让生成器使用随机数生成图像，但在我的GAN中，我们学会了使用像Autoencoder这样输出与输入相同的生成器来与鉴别器竞争。我认为生成器具有与我们学习时输入图像相同的权重。
浏览 16提问于2019-01-19得票数 0
input_shape=(input_dim,), use_bias = True) autoencoder.add(encoder)
浏览 0修改于2021-03-24得票数 0
假设使用mnist数据训练变分自动编码器(VAE)。抽样，从正态分布中提取。我的问题是:假设我只想生成1s，而不生成其他数字。我怎么能做到呢？我采样直到生成一个1，然后继续从那个点附近取样吗？或者有没有一种更有控制的方法来告诉VAE要生成什么数字？谢谢理想的编码器将接受任何输入并生成来自\mathcal{N}(0,1)的示例。如果输入为1、2或3，则采样将全部来自\mathcal{N}(0,1)，那么，解码器如何知道输入是1、2或3？
浏览 0修改于2021-04-20得票数 0
回答已采纳
我在AutroEcnoder的文档中发现：
自动编码器试图在输出时复制它们的输入。为了使其成为可能，输入数据的范围必须与解码器的传输函数的范围相匹配。在训练自动编码器时，trainAutoencoder会自动缩放训练数据到这个范围。如果在训练自动编码器时对数据进行缩放，则预测、编码和解码方法也会缩放数据。
hiddenSize1 = 1;
autoenc1 = trainAutoencoder(tdata, hiddenSize1
浏览 0提问于2018-04-17得票数 0
我是机器学习领域的新成员&我正在(试图)实现异常检测算法，一种算法是借助tensorflow库的keras实现的自动编码器，另一种是借助sklearn库实现的IsolationForest，我想将这些算法与roc_auc_score ( )进行比较，但我不确定是否正确。sklearn.metrics.roc_auc_score(y_true，y_score，average=‘宏’，sample_weight=None，max_fpr=Noney_sc
浏览 4修改于2019-11-17得票数 1
问题：当我训练没有特征尺度的模型时，损失在50K左右，即使是在200个年代之后。但是，当应用标度时，从第一个时期起损失约为3。
浏览 1修改于2019-03-20得票数 1
回答已采纳
我正在学习变分自动编码器，并在keras中实现了一个简单的例子，下面是模型摘要。我从Francois的一篇博客文章中复制了损失函数，现在我的损失非常严重。我在这里错过了什么？__________________________________________________________________________________________________======
浏览 0修改于2019-04-05得票数 2
我试图使用nolearn运行一个简单的自动编码器。from nolearn.dbn import DBNdata=np.load('doc_user_matrix.npy')
hidden_lay
浏览 3修改于2015-12-13得票数 0
encoded_input,decoded1)Inp = Input(shape=(64,64,3))AutoEncoder1= Model(Inp,decoderA(encoder(Inp)))AutoEncoder1.summary()print(ot[0
浏览 19修改于2021-07-27得票数 3
回答已采纳
return_sequences = True)(decoded)
sequence_autoencoder
浏览 0修改于2018-09-06得票数 4
回答已采纳
在培训我的LSTM时，是否有任何动机通过自动编码器预先传递它的输入，或者我应该始终提供尽可能多的原始数据？
我有少量的训练数据，它只包含了几个非常罕见的重大事件(尖峰，间隔在时间上)。
浏览 0提问于2018-05-06得票数 0
回答已采纳
我有一个问题，到目前为止，我还没有找到任何答案。我正在研究一个使用自动编码器的机器异常检测问题.我正在为每台机器构建一个模型文件，因为这些机器的时间行为变化很大。介于0和x之间的数值整数(x随机器变化)我试着用标准化(MinMaxScaler和StandardScaler)来扩展数值特性，这一点都没有产生很好的效果。
作为对输入进行缩放的替代方案，我决定使用来自scikit的MinMaxScaler来扩展输出。这是为了我可以有一个通用的阈值，我可以应用在不同的模型，以识别异
浏览 0提问于2019-06-05得票数 6
Keras："""Author: [fchollet](https://twitter.com/fchollet)Last modified: 2020/05/03
plot_label_clusters(enc
浏览 0修改于2020-10-25得票数 0
BatchNormalization())decoder.add(UpSampling2D(size=(2,2))) 我编译了它： autoencoder= Sequential([encoder, decoder])
autoencoder.compile(loss='binary_crossentropy', optimizer='adam') 然后像这样拟合它： autoencoder.fit(x=X_t
浏览 37修改于2020-04-29得票数 0
回答已采纳
嗨，我想了解下面的PyTorch AutoEncoder代码是如何工作的。下面的代码使用MNIST数据集，该数据集为28X28。我的问题是如何选择nn.Linear(128,3)参数？我有一个数据集，它是512X512，我想修改这个AutoEncoder所支持的代码。
浏览 6提问于2022-01-10得票数 0
回答已采纳
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号