文件名称:Deep-Autoencoder-using-Tensorflow
文件大小:11.06MB
文件格式:ZIP
更新时间:2024-06-16 15:51:12
Python
使用Tensorflow的深度自动编码器 入门 这是一个使用Tensorflow从mnist数据集中重构样本子集的堆叠式自动编码器的实现,该架构是使用tensorflow的layers API构建的。 自动编码器是用于在输出层重现输入的深层神经网络,即输出层中神经元的数量与输入层中神经元的数量完全相同。 但是,自动编码器的实际用途是确定数据损失最少的输入数据的压缩版本。 我的意思是:在开发称为主成分分析的机器学习项目时,您一定听说过一个术语。 PCA的概念是在数据集具有大量参数的模型中找到最佳且相关的参数以进行模型训练。 自动编码器以类似的方式工作。 该架构的编码器部分将输入数据分解为压缩版本,以确保不会丢失重要数据,但会大大减少数据的整体大小。 这个概念称为降维。 要求 Python 3.5或更高版本 Tensorflow 1.6或以上 脾气暴躁的 Matplotlib 数据集 如果本地
【文件预览】:
Deep-Autoencoder-using-Tensorflow-master
----t10k-images-idx3-ubyte.gz(1.57MB)
----Stacked_AutoEncoder.py(2KB)
----t10k-labels-idx1-ubyte.gz(4KB)
----train-labels-idx1-ubyte.gz(28KB)
----train-images-idx3-ubyte.gz(9.45MB)
----README.md(2KB)