[問題] 如何在python中訓練好autoencoder?

看板DataScience作者hannxnn (hannxnn)時間1月前 (2024/08/05 19:12)推噓0(0推 0噓 1→)

留言1則, 1人參與討論串1/2 (看更多)

ctrl + y 可以刪除一整行，請將不需要的內容刪除文章分類提示: - 問題: 當你想要問問題時，請使用這個類別。 - 討論: 當你自己已經有答案，但是也想聽聽版友意見時。 - 情報: 當你看到消息時，請使用這個類別。根據板規規定，做適當的轉換，以及摘錄重要文意。 - 心得: 當你自己想要分享經驗時，請使用這個類別。 (回答並非義務，所以當有人回答時，哪怕句謝謝也好，多多回應，大E可編輯文章) 可以試著把程式碼用網站貼出來唷 https://pastebin.com/ (如果用不到以下框架，如觀念問題請自行視情況刪除作業系統,使用工具等項目) 作業系統:(ex:mac,win10,win8,win7,linux,etc...) 問題類別:(ex：ML,SVM,RL,DL,RNN,CNN,NLP,BD,Vis,etc...) 使用工具:(ex:python,Java,C++,tensorflow,keras,MATLAB,etc...) 問題內容: 大家好，我最近在做論文相關的研究，需要在Python中訓練一個autoencoder 目前遇到了一些困難，希望能得到大家的幫助目的是想要將一個21維的數據透過自編碼器的編碼器部分轉換成2維潛在變量以下是我目前的工作進展和遇到的問題： 1. 我使用了TensorFlow和Keras來搭建autoencoder模型。模型結構如下： - 使用GlorotUniform進行初始化 - 編碼器包含多個層，每個層使用Sigmoid激活函數和L2正則化，並在每層後面加入 Dropout層。具體結構如下： - 第一層：1024個神經元，輸入形狀為21 - 第二層：512個神經元 - 第三層：256個神經元 - 第四層：128個神經元 - 第五層：64個神經元 - 第六層：32個神經元 - 最後一層：2個神經元 - 解碼器結構對稱於編碼器，輸入形狀為2 2. 我使用了SGD優化器和均方誤差（MSE）作為損失函數 3. 訓練過程中，發現模型的重建誤差一直無法降低，訓練結果得到的潛在變量非常集中，不像論文中的範例是分散在X軸和Y軸都在0~1之間我主要的困惑是： - 是否有更好的網絡結構建議？ - 是否有一些經驗可以分享，以提高模型的性能？非常感謝大家的幫助謝謝! -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.27.65.118 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1722856345.A.883.html