我有这个自动编码器:
input_dim = Input(shape=(10,))
encoded1 = Dense(30, activation = 'relu')(input_dim)
encoded2 = Dense(20, activation = 'relu')(encoded1)
encoded3 = Dense(10, activation = 'relu')(encoded2)
encoded4 = Dense(6, activation = 'relu')(encoded3)
decoded1 = Dense(10, activation = 'relu')(encoded4)
decoded2 = Dense(20, activation = 'relu')(decoded1)
decoded3 = Dense(30, activation = 'relu')(decoded2)
decoded4 = Dense(ncol, activation = 'sigmoid')(decoded3)
autoencoder = Model(input = input_dim, output = decoded4)
autoencoder.compile(-...)
autoencoder.fit(...)
现在，我想打印或保存在encode4中生成的特征。
基本上，从一个庞大的数据集开始，在训练部分之后，我想提取由自动编码器生成的特征，以获得我的数据集的受限表示。
你可以帮帮我吗？
最佳答案
您可以通过创建“编码器”模型来做到这一点:
encoder = Model(input = input_dim, output = encoded4)
这将使用您使用自动编码器训练的相同图层实例，并且如果在
encoder.predict()之类的“推理模式”中使用该功能，则应生成该功能我希望这有帮助 :)
关于python - 在Keras中打印/保存自动编码器生成的功能，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/45416245/