自动编码器,自动关联器或空竹网络是用于学习有效编码的人工神经网络。因此,它是降维算法的一部分。
层顺序从未被调用,因此在尝试从顺序模型中提取层时没有定义的输入错误
我正在尝试从顺序模型中提取层来构建自动编码器。我在一些数据上训练了模型,但是当我尝试从模型中获取 model.input 时,我收到一条错误消息,说它有......
我想创建一个深度学习模型(最好使用 Tensorflow/Keras)来进行图像异常检测。我所说的异常检测本质上是 OneClassSVM。 我已经尝试过 sklearn 的
目前我正在尝试构建一个自动编码器来检测时间序列数据中的异常。 我的方法基于本教程:https://keras.io/examples/timeseries/timeseries_anomaly_detectio...
假设我们有以下模型: 我们如何构建这样的模型并将其导出为 PMML 文件? PMML能够编码这样的模型结构吗? PMML 中生成 N 的必要组件是什么
假设我们有以下模型: 我的问题是(1)我们如何构建这样的模型并将其导出为 PMML 文件? (2) PMML 能够编码这样的模型结构吗?, (3) 必要的是什么
我只有来自实验的“正”类图像数据,任务是使用深度学习网络来训练它们。任何与上述类别稍有不同的东西都应该属于类别......
我正在跳回一个去年(大部分)停止工作的项目。我已经遇到过这个问题,这个答案当时就解决了。我目前正在运行基本上完全相同的脚本...
我正在使用 Autoencoder 开发异常检测模型(针对 PCB),我正在使用免费 GPU 开发 google Colab。所以作为第一步,我尝试构建我的自动编码器并可视化
R py_get_attr_impl(x, name,silent) 中的错误:AttributeError:模块“tensorflow”没有属性“placeholder”
我正在尝试从 R 中的 Tensorflow 实现自动编码器降维,在此示例中: 图书馆(暗红色) 库(张量流) 欺诈数据 <- read.csv("fraud_data") data_label <-
如何构建卷积自动编码器的解码器部分?假设我有这个 (输入 -> conv2d -> maxpool2d -> maxunpool2d -> convTranspose2d -> 输出): # CIFAR 图像形状 =...
我需要为这个网站做一个注册工具,我想要最快的访问这个网站,有人可以帮助我吗?
我需要为这个网站做一个注册工具,我想要最快的访问这个网站,有人可以帮助我吗? https://www.goethe.de/ins/vn/vi/sta/han/prf/gzb1.cfm 当人数较多时...
我有一个句子列表,以及它们在 25 维向量上的理想嵌入列表。我正在尝试使用神经网络生成新的编码,但我很挣扎。当模型运行时...
我正在构建一个 LSTM 自动编码器来对信号进行降噪,并将采用超过 1 个特征作为输入。 我已经设置了模型编码器部分,如下所示,它适用于单个特征输入(即序列...
AttributeError:模块“keras.src.backend”没有属性“convert_to_numpy”
我尝试使用utoencoder和rus各自的代码,并通过在下面的代码中使用tensorflow和keras来面对问题,我显示了代码和各自的错误。当我适合自动编码器模型时,它显示属性...
我正在训练用于 MRI 大脑图像(2D 切片)的 Conv-VAE。 模型的输出为sigmoid,损失函数为二元交叉熵: x = 输入,x_hat = 输出 rec_loss = nn.function.
我尝试在自定义 PyG 数据对象上使用图形自动编码器,但是当我尝试训练它时,损失、AUC 和 AP 不会改变。使用 PyTorch Geometric 时,自动编码器的工作原理完全相同
自动编码器可以学习极坐标的变换吗?如果一组二维数据近似位于一个圆上,则存在一个由角度参数化的低维流形,描述...
有什么想法为什么我的 VAE 模型的重构损失仍然是 0.69?
我的任务是使用VAE模型进行二元分类。编码器部分将使用 LSTM 模型,而解码器部分将使用 MLP。我的数据是时间序列数据,可以看成20个输入特征...
UNET架构就像前半编码器和后半解码器。自动编码器有不同的变体,如稀疏、变分等。它们都压缩和解压缩数据,但是......
为什么 AutoencoderKL 的编码器输出潜在变量形状与解码器输入潜在变量形状不同?
从扩散器导入 AutoencoderKL 进口火炬 从 PIL 导入图像 从 torchvision 导入转换 vae = AutoencoderKL.from_pretrained("../model") 图像 = Image.open("../2304...