iphysic Jun 23 2017 at 14:38

Автоэнкодеры в Keras, Часть 1: Введение

11 min

91K

Python*Algorithms*Machine learning*

Tutorial

+39

Comments 11

AlexSerbul Jun 25 2017 at 01:32

Спасибо за пост, очень актуальная тема!

iphysic Jun 25 2017 at 01:54

Рад, что вы так считаете! Буду стараться дальше.

iamtodor Jun 27 2017 at 00:20

autoencoder.fit(x_train, x_train,
                epochs=50,
                batch_size=256,
                shuffle=True,
                validation_data=(x_test, x_test))

Кажется, здесь ошибка:

x_train, x_train -> x_train, y_train
x_test, x_test -> x_test, y_test

iphysic Jun 27 2017 at 00:51

Энкодер восстанавливает вход на выходе, это не задача классификации. А «y» тут вообще не нужны нигде (до conditional моделей), в «у» просто лейблы цифр лежат.

Tagere Jun 27 2017 at 23:27

Спасибо, отличные статьи. Жду продолжения.

iphysic Jun 27 2017 at 23:28

До конца недели все будут!

UFO just landed and posted this here

iamtodor Sep 5 2018 at 17:12

это размеры изображения свойственны датасету MNIST. каждая картинка имеет размерность 28x28.
изменить, конечно, можно, но для MNIST код уже не рабочим будет.
вот цитата из следующией статьи из этой серии: Изображения цифр mnist (на которых примеры в прошлой части) — это элементы 28*28=784-мерного пространства, как и вообще любое монохромное изображение 28 на 28.

UFO just landed and posted this here

iamtodor Sep 5 2018 at 23:31

да, padding=same все верно

SlavniyTeo Dec 19 2018 at 16:50

Наверное, вы уже разобрались, но вдруг кому-то поможет.

Сверточный енкодер уменьшает размеры изображения до (7,7) благодаря слоям MaxPooling2D, каждый из которых уменьшает размер в (2,2) раз.

Сверточный декодер разворачивает код (7,7) до (28,28) благодаря двум слоям UpSampling2D, каждый из которых увеличивает размер в (2,2) раз.

Show the best of all time