ctrl + y 可以删除一整行，请将不需要的内容删除 文章分类提示: - 问题: 当你想要问问题时，请使用这个类别。 - 讨论: 当你自己已经有答案，但是也想听听版友意见时。 - 情报: 当你看到消息时，请使用这个类别。 根据板规规定，做适当的转换，以及摘录重要文意。 - 心得: 当你自己想要分享经验时，请使用这个类别。 (回答并非义务，所以当有人回答时，哪怕句谢谢也好，多多回应，大E可编辑文章) 可以试着把程式码用网站贴出来唷 https://pastebin.com/ (如果用不到以下框架，如观念问题请自行视情况删除作业系统,使用工具等项目) 作业系统:(ex:mac,win10,win8,win7,linux,etc...) 问题类别:(ex：ML,SVM,RL,DL,RNN,CNN,NLP,BD,Vis,etc...) 使用工具:(ex:python,Java,C++,tensorflow,keras,MATLAB,etc...) 问题内容: 大家好， 我最近在做论文相关的研究，需要在Python中训练一个autoencoder 目前遇到了一些困难，希望能得到大家的帮助 目的是想要将一个21维的数据透过自编码器的编码器部分转换成2维潜在变量 以下是我目前的工作进展和遇到的问题： 1. 我使用了TensorFlow和Keras来搭建autoencoder模型。模型结构如下： - 使用GlorotUniform进行初始化 - 编码器包含多个层，每个层使用Sigmoid激活函数和L2正则化，并在每层後面加入 Dropout层。具体结构如下： - 第一层：1024个神经元，输入形状为21 - 第二层：512个神经元 - 第三层：256个神经元 - 第四层：128个神经元 - 第五层：64个神经元 - 第六层：32个神经元 - 最後一层：2个神经元 - 解码器结构对称於编码器，输入形状为2 2. 我使用了SGD优化器和均方误差（MSE）作为损失函数 3. 训练过程中，发现模型的重建误差一直无法降低，训练结果得到的潜在变量非常集中 ，不像论文中的范例是分散在X轴和Y轴都在0~1之间 我主要的困惑是： - 是否有更好的网络结构建议？ - 是否有一些经验可以分享，以提高模型的性能？ 非常感谢大家的帮助 谢谢! --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 114.27.65.118 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/DataScience/M.1722856345.A.883.html 我会回覆了 马上 抱歉 ※ 编辑: hannxnn (114.27.65.118 台湾), 08/07/2024 21:35:47