为什么我的自动编码器没有给出简化的表示？答案

【问题标题】：Why my autoencoder doesn't give the reduced representation?为什么我的自动编码器没有给出简化的表示？
【发布时间】：2017-11-20 18:28:59
【问题描述】：

我正在尝试创建我的数据的简化表示，我将在另一个模型中使用它，并且我按照以下方式进行：

   input = Input(shape=(70,))
   encoded = Dense(output_dim=10, input_dim=70, activation='relu')(input)
   decoded = Dense(70, activation='relu')(encoded)
   autoencoder = Model(input, decoded)
   autoencoder.compile(optimizer='adam', loss='binary_crossentropy')
   autoencoder.fit(df_values, df_values,epochs=10,batch_size=32)
   reduced_input = autoencoder.predict(df_values)

但是reduced_input 中仍然有 100 列，它们已经修改了值，即与初始 input 中的值不同，但仍然没有像我预期的那样减少表示（如 PCA 的组件），即使我指定了output_dim=10

我想我在获取减少输入的方式中存在错误，但我不知道具体在哪里。如果你能帮我发现它，请！

【问题讨论】：

当您对问题投反对票时，请说明问题所在

标签： python deep-learning keras pca autoencoder

【解决方案1】：

如果你想要第 7 层，那么：

output_func_Layer_7 = K.function([autoencoder.layers[0].input, K.learning_phase()],
                     [autoencoder.layers[7].output])
intermediate_output = output_func_Layer_7([X_train, False])

【讨论】：

这只是一个例子。在您的情况下，您需要隔离第一层： output_func_Layer_1 = K.function([autoencoder.layers[0].input, 'K.learning_phase()], [autoencoder.layers[1].output]) intermediate_output = output_func_Layer_1([ X_train, False])' 然后你画它。