Deep learning 自动编码器
我想比较CNN和caffe中的自动编码器的性能。我完全熟悉caffe中的cnn,但我想知道autoencoder是否也有deploy.prototxt文件?使用这两个模型而不是体系结构有什么区别吗 是的,它还有一个deploy.prototxtDeep learning 自动编码器,deep-learning,caffe,Deep Learning,Caffe,我想比较CNN和caffe中的自动编码器的性能。我完全熟悉caffe中的cnn,但我想知道autoencoder是否也有deploy.prototxt文件?使用这两个模型而不是体系结构有什么区别吗 是的,它还有一个deploy.prototxt train_val.prototxt和“deploy.prototxt”都是cnn体系结构描述文件。它们之间的唯一区别是,train_val.prototxt将训练数据和损失作为输入/输出,而“deploy.prototxt”将测试图像作为输入,预测值作
train_val.prototxt
和“deploy.prototxt”都是cnn体系结构描述文件。它们之间的唯一区别是,train_val.prototxt
将训练数据和损失作为输入/输出,而“deploy.prototxt”将测试图像作为输入,预测值作为输出。以下是一个用于MINST的cnn和自动编码器示例:。(我没有试过这些例子。)使用这些模型通常是一样的。学习率等取决于模型。您需要使用python或matlab实现一个自动编码器示例。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,它没有固定W{L->L+1}=W{L+1->L+2}^t。在github中很容易找到1D自动编码器,但2D自动编码器可能很难找到。自动编码器与传统网络的主要区别是
是的,我读过,但我还是不清楚!我和cnn做了回归分析,但网络的输出是预测的。但我不知道在自动编码器上实现回归会有什么后果!谢谢你的帮助!所以问题是在aouto conder的情况下,网络会预测图像!正确的?输出将是s.th-like矩阵?