模型预训练自编码器AE 去噪自编码器 denoiseAE 原码keras Tensorflow 初始化模型参数模型参数微调

最新推荐文章于 2023-04-26 11:45:09 发布

原创

最新推荐文章于 2023-04-26 11:45:09 发布 · 720 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #python #自编码器 #1024程序员节

这篇博客介绍了如何使用Keras和Tensorflow构建自编码器AE以及去噪自编码器denoiseAE。通过预训练模型，首先建立网络参数，然后进行模型参数微调。预训练的AE模型包括一个全连接层，两个隐藏层和一个输出层。去噪自编码器在输入层添加了Dropout层用于加噪。

Keras Tensorflow构建自编码器AE原码

使用自编码器AE预训练模型，构建自编码器AE初始化网络参数，然后再微调模型参数。

from keras import models
from keras import layers

def build_pre_normalAE(data_dim, X_train, epoch_pretrain=25, hidDim=[100,140]):
    ae = models.Sequential()
    ae.add(layers.Dense(hidDim[0], activation='tanh', input_shape=(data_dim, )))
    ae.add(layers.Dense(hidDim[1], activation='tanh'))
    ae.add(layers.Dense(hidDim[0], activation='tanh'))