Pseudo-inverse Learning algorithm for training Auto-encoders
链接: https://pan.baidu.com/s/1b5XHm2NjrLDQlvZaLWP9rw 密码: zrfr
下载后放在工程根目录
具体可以参考测试文件test.py 里面有使用方法
from src.pilae import PILAE
import src.tools as tools
(X_train, y_train), (X_test, y_test) = tools.load_npz(DATASET_PATH)
X_train = X_train.reshape(-1, DIMESION_OF_DATASET).astype('float64') / 255.
X_test = X_test.reshape(-1, DIMESION_OF_DATASET).astype('float64') / 255.
# 创建对象时注意 num_*_layers和len(list)和len(pil*_p)对应(层数和list长度对应)
pilae = PILAE(pilae_p=[500, 480, 460],
pil_p=[300],
ae_k_list=[0.7, 0.1, 0.1],
pil_k=0.0,
acFunc='sig')
pilae.train_pilae(X_train, y_train)ae_k_list:list类型参数 list的引索的值是对应某层的k(k为正则化系数)的值
pilae_p:list类型参数 list的引索的值对应pilae某层的p(p为隐层单元个数)的值
pil_p:list类型参数 list的引索的值对应mlp分类器某层的p(p为隐层单元个数)的值
pil_k:float类型参数 代表mlp的正则化系数
alpha:经验公式给出的参数(这个版本代码没有用到，保留)
acFunc:激活函数 'sig', 'sin', 'srelu', 'tanh', 'swish', 'relu' 可选
传参时确定好pilae_p和pil_p两个list, 手动设置隐层节点数
同时ae正则化参数k_list要和pilae_p长度相同
层数由传入的list的长度决定
具体参数描述请参考论文 SMC 2017 K. Wang et al.
[注] ：
- 使用代码请引用github链接https://github.com/sibofeng/PILAE
- 欢迎批评指正，欢迎提交代码
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent