Caffe Autoencoder

作者: 不丶离
发布时间: 2024-04-18 03:55:43 (21天前)
转自：

5 条回复

0#
回复此人
撩心 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> <P> 是的，它还有一个deploy.prototxt。 </p> <P> 都 <code> train_val.prototxt </code> 'deploy.prototxt'是cnn架构描述文件。它们之间唯一的区别是， <code> train_val.prototxt </code> 将训练数据和丢失作为输入/输出，但'deploy.prototxt'将测试图像作为输入，并将预测值作为输出。 </p> </DIV>

编辑
1#
回复此人
圈圈红 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> <P> 自动编码器和传统网络的主要区别在于 </p> <OL> <LI> 在自动编码器中，您的输入是用于训练的标签图像。 </LI> <LI> 自动编码器尝试近似输出，类似于输入。 </LI> <LI> 自动编码器在训练时没有softmax层。 </LI> <LI> 它可以用作网络的预训练模型，与其他预训练模型相比，可以更快地收敛。这是因为您的网络已经为您的数据提取了功能。 </LI> <LI> 您可以在经过预先培训的自动编码器网络上执行常规培训和测试，以实现更快的收敛和准确性。 </LI> </醇> </DIV>

编辑
2#
回复此人
不想吃东西 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> <P> 您需要使用python或matlab实现自动编码器示例。 Caffe中的示例不是真正的自动编码器，因为它没有设置分层训练阶段，并且在训练阶段期间，它没有固定W {L-> L + 1} = W {L + 1-> L + 2} ^ T。很容易在github中找到一维自动编码器，但2D自动编码器可能很难找到。 </p> </DIV>

编辑
3#
回复此人
نسر الصحراء | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> <P> 以下是MINST的cnn和autoencoder的示例： <a href="https://github.com/BVLC/caffe/tree/master/examples/mnist" rel="nofollow"> Caffe例子 </A> 。（我没有尝试过这些例子。）使用模型通常是一样的。学习率等取决于模型。 </p> </DIV>

编辑

登录后才能参与评论