如何在CNN自动编码器模型中添加正则化_基于Keras

Question

我是Keras和深度学习的新生，我不太确定添加正则化的正确方法，我使用API​​模型类编写了CNN自动编码器，现在我在每个“ Conv2D”中添加了正则化器Keras函数，我不确定这是否是添加正则化的正确位置，有人可以给我一些建议吗？

（我尝试进行训练并检查重建的测试图像，可以，但是效果不是很好，我使用MNIST进行测试，重建的MNIST编号的行比原始行粗。）

在我的问题中，输入图像是受损的图像，原始的良好图像用作训练标签，通过将CNN的输出图像与训练标签图像进行比较，我使用“平均绝对误差”定义损失，并将其用作指标。

我首先定义了三个函数，一个定义为下采样函数（下一个），一个定义为上采样函数，以及一个函数，该函数挤压矩阵的第三维，以获得二维矩阵作为输出。 我的代码太长，只是为了帮助说明问题，我的代码的一部分如下：

在定义了三个函数之后，我将模型定义如下（不详细介绍，只是其中一部分可以帮助解释我的问题）

将所有必要的参数加载到模型中，然后定义优化器参数并编译模型