我正在尋找可以從影像中提取有用資訊的神經網路模型。這里的“有用”是用戶根據自動編碼器需要優化的某些特定任務任意定義的。
我是這個領域的新手，我知道自動編碼器通常經過優化以保留盡可能多的原始資訊。但是修改損失函式以優化自動編碼器以僅保存與手頭任務相關的資訊是否有意義？還是我最好使用不同型別的模型？
uj5u.com熱心網友回復：
您實際上是在定義一個常規的 MLP :)
想象一下編碼器 f 和解碼器 g，我們有
L_{AE}(x) = E || g(f(x)) - e ||^2
假設我們現在有額外的感興趣目標 y，以及到這個空間的額外映射 h
L_{AE y} = E || h(g(f(x))) - y ||^2
這相當于
L_{MLP} = E || MLP(x) - y ||^2
當然，您仍然可以混合這兩個目標，并將其視為多任務學習等。
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/520892.html
上一篇：LSTM模型的所有預測值幾乎相同
下一篇：tf.function中的for回圈回傳Tensor("while/Placeholder:0",shape=(),dtype=int32)