Комментарии 11
Спасибо за пост, очень актуальная тема!
+1
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
+1
Спасибо, отличные статьи. Жду продолжения.
0
НЛО прилетело и опубликовало эту надпись здесь
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.
0
НЛО прилетело и опубликовало эту надпись здесь
да, padding=same
все верно
0
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.
0
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Автоэнкодеры в Keras, Часть 1: Введение