Python 我如何通过使用PYLERN2的经过训练的自动编码器转换新数据？

我使用PYLERN2训练并保存了两层堆叠CAE模型。我想加载这些模型并转换一个新的数据集。我该怎么做

这是我的模型：

l1 = serial.load('CAE_l1.pkl')
l2 = serial.load('CAE_l2.pkl')
print l1
<pylearn2.models.autoencoder.ContractiveAutoencoder object at 0x7f3bb6d482d0>

这是我最近做的，但不确定其正确性：

data = T.matrix('data')
transform = theano.function([data], l1.encode(data))
X_1 = transform(X.astype(float32))

---

检查

pylern2.scripts.autoencoder

目录中的配置文件，该文件显示了如何使用堆叠、预训练的自动编码器。在数据集进入模型的下一阶段时，将预训练模型作为transformer对象加载到数据集上

如果您不想使用yaml文件，那么您应该能够使用正确的方法将模型函数串在一起（在我写文章时未经测试）：

输入=T.向量（）

enc=l1.编码（输入）

输出=l2.编码（enc）

f=编号函数（[输入]，输出）

实数变换=f（实数数据）

要返回，您可以使用

ae\u layer.decode（）

方法执行相同的操作

---

如果这些是和

MLP

层的一部分，可以调用

MLP

上的

.fprop（）

方法向上遍历所有层。

您的解决方案是正确的。此外，如果要批处理多个输入数据，可以用T.matrix（）替换T.vector（）。

data = T.matrix('data')
transform = theano.function([data], l1.encode(data))
X_1 = transform(X.astype(float32))