假设我希望使用堆叠自动编码器作为预训练步骤。如何使用堆叠自动编码器进行预训练
假设我的全自动编码器是40-30-10-30-40。
我的步骤是:
- 列车一个使用原来的40点特征的数据在两个输入和输出层设置40-30-40。
- 使用仅上述40-30编码器的训练过的编码器部分,导出原始40个特征的新的30特征表示。
- 在输入层和输出层中使用新的30特征数据集(在步骤2中导出)训练30-10-30。
- 从步骤1,40-30中取出经过训练的编码器,并将其从步骤3,30-10送入编码器,得到40-30-10编码器。
- 从步骤4取出40-30-10编码器并将其用作NN的输入。
a)是否正确?
b)在训练神经网络时,是否冻结40-30-10编码器中的权重,这与从原始的40特征数据集中预生成10特征表示以及训练新的10特征表示数据组。
PS。我已经有一个问题,问我是否需要配合编码器和解码器的权重
用autoencoders进行预训练,逐层训练和使用重量搭配都是过时的技术。你基本上是在浪费你的时间。只需立即训练整个网络或整个自动编码器。 – aleju
是的 - ReLU和辍学应该是足够的 –
谢谢你们两个。当你说“只是训练整个网络或整个自动编码器”时,“整个网络”你的意思是训练40-30-10-NN和“整个自动编码器”你的意思是40-30-10-30 -40? –