使用 Keras 自动编码器进行分类答案

【问题标题】：Classification with Keras Autoencoders使用 Keras 自动编码器进行分类
【发布时间】：2017-07-09 15:07:57
【问题描述】：

我正在尝试使用 Keras（带有 Tensorflow 后端）采用香草自动编码器，并在损失值收敛到特定值时停止它。在最后一个 epoch 之后，我想使用 sigmoid 函数来执行分类。你知道怎么做吗（或者至少给我指出正确的方向）？

下面的代码与http://wiseodd.github.io/techblog/2016/12/03/autoencoders/ 的普通自动编码器非常相似。（我使用的是我自己的数据，但请随意使用链接中的 MNIST 示例来演示您在说什么。）

NUM_ROWS = len(x_train)
NUM_COLS = len(x_train[0])

inputs = Input(shape=(NUM_COLS, ))
h = Dense(64, activation='sigmoid')(inputs)
outputs = Dense(NUM_COLS)(h)

# trying to add last sigmoid layer
outputs = Dense(1)
outputs = Activation('sigmoid')

model = Model(input=inputs, output=outputs)

model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])
model.fit(x_train, y_train,
    batch_size=batch,
    epochs=epochs,
    validation_data=(x_test, y_test))

【问题讨论】：

您好，您的 x_train 是什么，y_train 是什么？这看起来不像自动编码器
请看链接中的示例。如果我让它在这方面发挥作用，我就能让它在我的数据上发挥作用。
让我换个方式提出同样的问题：你想用自动编码器实现什么。您可以使用标准分类模型。

标签： machine-learning neural-network deep-learning keras autoencoder

【解决方案1】：

我对你的目标有一个解释，但是，你自己似乎没有一个非常清晰的形象。如果您自己准备必要的数据集，我想您可以澄清一下。

一种可能的解决方案如下：

NUM_ROWS = len(x_train)
NUM_COLS = len(x_train[0])

inputs = Input(shape=(NUM_COLS, ))
h = Dense(64, activation='sigmoid')(inputs)
outputs = Dense(NUM_COLS)(h)

model = Model(input=inputs, output=outputs)

model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])
model.fit(x_train, x_train,
    batch_size=batch,
    epochs=epochs,
    validation_data=(x_test, y_test))

h.trainable=False


# trying to add last sigmoid layer
outputs = Dense(1)(h)
outputs = Activation('sigmoid')

model2.fit(x_train, y_train,
    batch_size=batch,
    epochs=epochs,
    validation_data=(x_test, y_test))

【讨论】：

你应用 sigmoid 两次是有原因的吗？ h = Dense(64, activation='sigmoid')(inputs)outputs = Activation('sigmoid')