Künstliche Intelligenz autoencoders

Was sind die Zwecke von Autoencodern?

Autoencoder sind neuronale Netze, die eine komprimierte Darstellung der Eingabe lernen, um sie später zu rekonstruieren, sodass sie zur Dimensionsreduzierung verwendet werden können. Sie bestehen aus einem Codierer und einem Decodierer (die separate neuronale Netze sein können). Die Reduzierung der Dimensionalität kann nützlich sein, um die Probleme im Zusammenhang mit …

10 machine-learning autoencoders dimensionality-reduction curse-of-dimensionality

Der Verlust springt abrupt, wenn ich die Lernrate mit dem Adam-Optimierer in PyTorch reduziere

Ich trainiere ein auto-encoderNetzwerk mit AdamOptimierer (mit amsgrad=True) und MSE lossfür die Aufgabe der Einkanal-Audioquellentrennung. Immer wenn ich die Lernrate um einen Faktor verringere, springt der Netzwerkverlust abrupt und nimmt dann bis zum nächsten Abfall der Lernrate ab. Ich verwende Pytorch für die Netzwerkimplementierung und Schulung. Following are my experimental …

10 machine-learning deep-learning optimization autoencoders loss-functions

Als «autoencoders» getaggte Fragen