Как стать автором
Обновить

Комментарии 11

Спасибо за пост, очень актуальная тема!
Рад, что вы так считаете! Буду стараться дальше.
autoencoder.fit(x_train, x_train,
                epochs=50,
                batch_size=256,
                shuffle=True,
                validation_data=(x_test, x_test))

Кажется, здесь ошибка:


  • x_train, x_train -> x_train, y_train
  • x_test, x_test -> x_test, y_test
Энкодер восстанавливает вход на выходе, это не задача классификации. А «y» тут вообще не нужны нигде (до conditional моделей), в «у» просто лейблы цифр лежат.
Спасибо, отличные статьи. Жду продолжения.
До конца недели все будут!
НЛО прилетело и опубликовало эту надпись здесь

это размеры изображения свойственны датасету MNIST. каждая картинка имеет размерность 28x28.
изменить, конечно, можно, но для MNIST код уже не рабочим будет.
вот цитата из следующией статьи из этой серии: Изображения цифр mnist (на которых примеры в прошлой части) — это элементы 28*28=784-мерного пространства, как и вообще любое монохромное изображение 28 на 28.

НЛО прилетело и опубликовало эту надпись здесь

да, padding=same все верно

Наверное, вы уже разобрались, но вдруг кому-то поможет.


Сверточный енкодер уменьшает размеры изображения до (7,7) благодаря слоям MaxPooling2D, каждый из которых уменьшает размер в (2,2) раз.


Сверточный декодер разворачивает код (7,7) до (28,28) благодаря двум слоям UpSampling2D, каждый из которых увеличивает размер в (2,2) раз.

Зарегистрируйтесь на Хабре , чтобы оставить комментарий

Публикации

Истории