我试图编写一个带有tensorflow的CLDNN实现，就像this scheme中的那个。我遇到了降维层的问题。
据我了解，它是由几个堆叠的受限玻尔兹曼机器（RBM）制成，并且像自动编码器一样工作。该层的解码器部分仅用于训练编码器以减小井尺寸。这意味着你想要＆＃34;插入＆＃34;编码器输出到下一层的输入。
我可以定义一个损失函数，它将训练自动编码器（通过比较来自解码输出的输入），以及另一个将训练整个图形的损失函数。我有办法培养这两种损失函数吗？ 或许我在这里误解了这个问题，但是我觉得自动编码器的解码器部分有点离开＆＃34;在循环之外＆＃34;并且没有受过训练。
我已经找到了这种自动编码器和卷积层等的实现......但我并不真正理解如何＆＃34;插入＆＃34;网络内部的自动编码器（如方案中所示）
答案 0 :(得分：0)
论文说
计算网络工具包（CNTK）[24]用于神经网络训练。如[14]所示，我们对所有层应用均匀随机权重初始化，而不进行生成或判别性预训练[1]。
图中的尺寸缩减只是一个密集的投影层。因此，他们不会训练任何自动编码器，他们只是配置网络架构并从随机初始状态训练网络。
自动编码器之前用于子网初始化，但它们现在不是很流行。
