Pytorch中的自编码(autoencoder)
2024-09-05 06:42:22
Pytorch中的自编码(autoencoder)
本文资料来源:https://www.bilibili.com/video/av15997678/?p=25
什么是自编码
先压缩原数据、提取出最有代表性的信息。然后处理后再进行解压。减少处理压力
通过对比白色X和黑色X的区别(cost函数),从而不断提升自编码模型的能力(也就是还原的准确度)
由于这里只是使用了数据本身,没有使用label,所以可以说autoencoder是一种无监督学习模型。
实际在使用中,我们先训练好一个autoencoder模型,然后只取用其前一半,来获取到压缩了的特征进行其他的训练,以达到压缩特征的目的。
自编码可以达到类似于PCA的效果
自编码in Pytorch
- encoder
decoder
连接成网络
设置优化器和损失函数
autoencoder=AutoEncoder()
optimizer=torch.optim.Adam(autoencoder.parameters(),lr=LR)
loss_func=mm.MSELoss()
搭建网络,传入数据
这里的y是压缩之前的数据,用来在loss function中和decoded对比的
- 设置输出
最新文章
- sql分组(orderBy、GroupBy)获取每组前一(几)条数据
- Maven提高篇系列之(五)——处理依赖冲突
- HTML 学习笔记 JavaScript (DOM)
- VS Code First使用Mysql数据库详解
- thinkphp笔记16-20集
- C# Winform ListView使用
- wp8 ListPicker
- 201521123052《Java程序设计》第10周学习总结
- C# 创建EXCEL图表并保存为图片
- Person Re-ID行人重试别梳理
- 代码:CSS——reset.css
- HTML 引入Css样式
- MySQL— pymysql and SQLAlchemy
- 为什么重写equals还要重写hashcode??
- lufylegend:图形变形3
- hive php连接查询
- GreenPlum安装greenplum-cc-web监控
- MySQL 批量删除相同前缀的表
- MQTT协议笔记之发布流程
- 信号处理函数(2)-sigismember()