Question

我正在尝试创建一个简化的数据表示形式，我将在另一个模型中使用，然后按以下方式继续：

   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）即使我指定了output_dim=10

我想在我获得减少的输入的某个方面有一个错误，但我没有看到确切的位置。如果你能帮我发现它，请！

Answer 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])

为什么我的自动编码器没有给出减少的表示？

1 个答案: