我正在尝试运行一个简单的自动编码器,所有的训练输入都是一样的 . 训练数据特征等于3,隐藏层中有3个节点 . 我用该输入训练自动编码器,然后我再次尝试预测它(编码/解码)(所以如果自动编码器按原样传递一切而没有任何改变它应该工作)
无论如何,情况并非如此,我有点难以理解为什么 . 我不确定我的代码或者我对autoencdoer实现的理解是否有问题 . 这是代码供参考 .
附:我玩了一些epoches,训练集中的例子数量,批量大小,训练数据值在0-1之间,并跟踪损失值,但这也无济于事 .
`
from keras.layers import Input, Dense
from keras.models import Model
import numpy as np
# this is the size of our encoded representations
encoding_dim = 3
x_train=np.array([[1,2,3],[1,2,3],[1,2,3],[1,2,3],[1,2,3],[1,2,3],[1,2,3],[1,2,3],[1,2,3]])
in= Input(shape=(3,))
encoded = Dense(encoding_dim, activation='relu')(in)
decoded = Dense(3, activation='sigmoid')(encoded)
# this model maps an input to its reconstruction
autoencoder = Model(in, decoded)
autoencoder.compile(optimizer='adadelta', loss='mse')
autoencoder.fit(x_train, x_train,
epochs=100,
batch_size=4)
autoencoder.predict(x_train)
`
我得到的输出应该与输入相同(或至少接近),但我得到了这个)
`Out[180]:
array([[ 0.80265796, 0.89038897, 0.9100889 ],
[ 0.80265796, 0.89038897, 0.9100889 ],
[ 0.80265796, 0.89038897, 0.9100889 ],
...,
[ 0.80265796, 0.89038897, 0.9100889 ],
[ 0.80265796, 0.89038897, 0.9100889 ],
[ 0.80265796, 0.89038897, 0.9100889 ]], dtype=float32)`
任何帮助将不胜感激,我很可能理解错误,所以希望这个问题不难回答 .
4 回答
错误在这里
decoded = Dense(3, activation='sigmoid')(encoded)
.你不应该使用
sigmoid
激活,因为它会限制范围(0,1)中的输出,用linear
替换sigmoid
或只删除它,你可以添加更多的纪元,例如训练1000个时代 . 在这种情况下,我得到你需要的东西另外,你应该用另一个名字替换输入
in
,因为它是Python中的keyword
:-) .应用@danche建议后,更新的代码和结果,我在增加epocs = 10000后得到了结果
您的输入数据未规范化 . 在如下标准化之后,您可以获得正确的输出 .
您当然可以使用Sequential模型在Keras中构建自动编码器 . 所以我不确定that the example you are referring to究竟是你能创造的"simplest possible autoencoder" . 我是这样做的:
在运行这个例子时,你得到了
这有点好......