学习python代码

Posted 2023-03-13

【中文标题】学习python代码

【英文标题】：Learning python code

【发布时间】：2018-04-25 03:43:05

【问题描述】：

我将此代码与 keras 一起用于特征学习，现在我想进行分类，我不知道如何将 softmax 层添加到我的自动编码器中，请帮助我

【问题讨论】：

你想要图层在哪里？哪个模型在做分类？你的输入是什么？你的输出是什么？ ---- PS：解码端应该使用decoder作为输入，而不是encoder。

只有decoder 中的第一层应该将encoder 作为输入。所有其他人都应使用decoder 作为输入。您只是丢弃了中间解码器层的输出。在您的模型中，唯一有效的解码器层是最后两个（密集（30）和密集（41））。所有其他人都被丢弃，因为您正在将encoder 输入到以下人。

【参考方案1】：

自动编码器不适用于分类。

它们只是以编码格式压缩数据，因此您可以稍后将这些数据用于其他事情（其他事情之一可能是分类，但为此创建自动编码器真的没有意义，除非您对数据的使用比只是分类）

要根据您的输入数据创建分类器，只需创建一个以您想要的类数结尾的模型。

对于“正常”和“攻击”（只有两个类），您可以在一个类中结束模型并制作0 be normal 和1 be attack。

input_tensor = Input(shape=(input_size,))
output_tensor = Dense(40, activation="relu", activity_regularizer=regularizers.l1(10e-5))(input_tensor)
output_tensor= Dense(30, activation="relu")(output_tensor)
output_tensor = Dense(20, activation="relu")(output_tensor)
output_tensor= Dense(10, activation="relu")(output_tensor)
output_tensor= Dense(5, activation="relu")(output_tensor)
output_tensor= Dense(3, activation="relu")(output_tensor)
output_tensor= Dense(1,activation='sigmoid')(output_tensor)

model = Model(input_tensor,output_tensor)

我使用了 1 个输出 (Dense(1))，我希望为 0（正常）或 1（攻击）。 'sigmoid' 激活对于将结果保持在这个范围或 0 和 1 内很重要。

现在您只需要确保您的y_true 数据是一个形状为(records,) 或(records,1) 的数组，具体取决于型号。

【讨论】：

你的y_true到底是什么？它说你应该有 41 节课。

所以，你传递的是输入而不是输出......你应该model.fit(inputs, outputs, ....)