变分自编码器VAE代码

VAE更倾向于数据生成。当我们训练好了decoder，就可以从标准正态分布生成数据作为解码器的输入，来生成类似但不同于训练数据的新样本，作用类似GAN，用来降维、生成数据。

1.训练代码

import keras
import numpy as np
from sklearn.preprocessing import StandardScaler
from sklearn.preprocessing import MinMaxScaler
import numpy as np
import pandas as pd# the inital input
x = pd.read_csv("XXX.csv", header=None)
x = np.array(x.values)
#xrd = np.delete(xrd, 0, axis = 1)
#X = ss.fit_transform(X)# dimension of encode
encoding_dim = 100# dimension of inital input
input_X = keras.layers.Input(shape=(901,))
encode = keras.layers.Dense(120, activation='relu')(input_X)
encode = keras.layers.Dense(30, activation='relu')(encode)
encoder_output = keras.layers.Dense(encoding_dim)(encode)decode = keras.layers.Dense(30, activation='relu')(encoder_output)
decode = keras.layers.Dense(120, activation='relu')(decode)
decoder_output = keras.layers.Dense(901, activation='tanh')(decode)encoder = keras.Model(inputs=input_X, outputs=encoder_output)
AutoEncoder = keras.Model(inputs=input_X, outputs=decoder_output)AutoEncoder.compile(optimizer='adam', loss='mse', metrics=['accuracy'])
AutoEncoder.fit(x.T, x.T, epochs=1000, batch_size=1)# save the weights of encoder
encoder_json = encoder.to_json()
with open('encoder.json','w') as json_file:json_file.write(encoder_json)
encoder.save_weights('encoder_weights.hdf5')# save the weights of vae
AutoEncoder_json = AutoEncoder.to_json()
with open('AutoEncoder.json','w') as json_file:json_file.write(AutoEncoder_json)
AutoEncoder.save_weights('vae_weights.hdf5')

2. 测试模型

import os
from keras.models import load_model, model_from_json
import numpy as npimport pandas as pd
x = pd.read_csv("XXX.csv", header=None)
x = np.array(x.values)
## VAE input
model_path = 'AutoEncoder.json'
json_file = open(model_path,'r')
loaded_model_json = json_file.read()
json_file.close()
model = model_from_json(loaded_model_json)
model.load_weights('vae_weights.hdf5')
y = model.predict(x.T)
np.savetxt("YYY.csv", y, delimiter=',')

变分自编码器VAE代码相关推荐

PyTorch 实现 VAE 变分自编码器含代码
编码器自编码器自编码器网络结构图线性自编码器代码如下: 卷积自编码器代码如下: 变分自编码器变分自编码器网络结构图变分自编码器代码如下: Ref 自编码器自编码器网络结构图线性自编码器代 ...
变分自编码器VAE ——公式推导(含实现代码)
目录一.什么是变分自编码器二.VAE的公式推导三.重参数化技巧一.什么是变分自编码器在讲述VAE(variational auto-encoder)之前,有必要先看一下AE(auto- ...
变分自编码器VAE：一步到位的聚类方案
作者丨苏剑林单位丨广州火焰信息科技有限公司研究方向丨NLP,神经网络个人主页丨kexue.fm 由于 VAE 中既有编码器又有解码器(生成器),同时隐变量分布又被近似编码为标准正态分布,因此 V ...
变分自编码器VAE：这样做为什么能成？
作者丨苏剑林单位丨广州火焰信息科技有限公司研究方向丨NLP,神经网络个人主页丨kexue.fm 话说我觉得我自己最近写文章都喜欢长篇大论了,而且扎堆地来.之前连续写了三篇关于 Capsule 的 ...
4.keras实现--生成式深度学习之用变分自编码器VAE生成图像(mnist数据集和名人头像数据集)...
1.VAE和GAN 变分自编码器(VAE,variatinal autoencoder) VS 生成式对抗网络(GAN,generative adversarial network) 两者不 ...
在表格数据集上训练变分自编码器 (VAE)示例
转载:Deephub Imba 变分自编码器 (VAE) 是在图像数据应用中被提出,但VAE不仅可以应用在图像中.在这篇文章中,我们将简单介绍什么是VAE,以及解释"为什么"变分自 ...
再谈变分自编码器VAE：从贝叶斯观点出发
作者丨苏剑林单位丨广州火焰信息科技有限公司研究方向丨NLP,神经网络个人主页丨kexue.fm 前几天写了文章变分自编码器VAE:原来是这么一回事,从一种比较通俗的观点来理解变分自编码器(VAE ...
2020-4-22 深度学习笔记20 - 深度生成模型 5 (有向生成网络--sigmoid信念网络/可微生成器网络/变分自编码器VAE/生产对抗网络GAN/生成矩匹配网络)
第二十章深度生成模型 Deep Generative Models 中文英文 2020-4-17 深度学习笔记20 - 深度生成模型 1 (玻尔兹曼机,受限玻尔兹曼机RBM) 2020-4-18 ...
变分自编码器和条件变分自编码器 (VAE CVAE)
变分自编码器(VAE) 变分自编码器(VAE)是通过大量的观测数据 xi\mathbf{x}_{i}xi 总结出数据的分布 p(X)p(\mathbf{X})p(X),进而可以通过无穷次的采样获取所 ...

变分自编码器VAE代码

1.训练代码

2. 测试模型

变分自编码器VAE代码相关推荐

最新文章

热门文章