【发布时间】：2020-12-01 19:44:42
【问题描述】：
我有一个大小为 (12960, ) 的数组，我正在使用非常简单的密集自动编码器架构来重现数组，如下所示。
input_img = Input(shape=(12960,))
encoded = Dense(units=2000, activation='relu')(input_img)
decoded = Dense(units=12960, activation='relu')(encoded)
现在我使用 20 个 epoch 和 64 个批大小来训练模型。
但是当我在解码后绘制数组时，我在很多地方都得到了某种噪音（或 0 值）。我在下面附上了原始和解码的图像。有人可以解释一下为什么会这样。我是深度学习的新手，所以我不太了解它的工作原理。是因为我使用了非常简单的架构，还是因为我在编码时压缩了很多？
【问题讨论】：
-
你可以试试leaky_relu 代替relu 吗？
-
你的网络是一个简单的前馈网络，没有自动编码器。如果有兴趣，您可以查看自动编码器中的 tensorflow [tutorial][1]：了解有关训练过程的更多信息，例如准确度、训练集和整个模型结构 [1]：@987654323 @
-
@tritsu 嘿，它确实工作得更好，非常感谢。你能解释一下为什么它比 relu 更有效吗？
-
@Chris_007 我将其移至带有解释的答案。
标签： python machine-learning deep-learning autoencoder encoder-decoder