如何获得自动编码器生成的压缩表示形式？

如何解决如何获得自动编码器生成的压缩表示形式？

我正在制作一个深多模自动编码器，该编码器具有两个输入并产生两个输出（它们是重构的输入）。两个输入的形状分别为（1000，50）和（1000,60），模型具有3个隐藏层，目的是将输入1和输入2的两个潜在层连接起来。

这是模型的完整代码：

input_X = Input(shape=(X[0].shape))

dense_X = Dense(40,activation='relu')(input_X)

dense1_X = Dense(20,activation='relu')(dense_X)

latent_X= Dense(2,activation='relu')(dense1_X)

input_X1 = Input(shape=(X1[0].shape))

dense_X1 = Dense(40,activation='relu')(input_X1)

dense1_X1 = Dense(20,activation='relu')(dense_X1)

latent_X1= Dense(2,activation='relu')(dense1_X1)

Concat_X_X1 = concatenate([latent_X,latent_X1])

decoding_X = Dense(20,activation='relu')(Concat_X_X1)

decoding1_X = Dense(40,activation='relu')(decoding_X)

output_X = Dense(X[0].shape[0],activation='sigmoid')(decoding1_X)

decoding_X1 = Dense(20,activation='relu')(Concat_X_X1)

decoding1_X1 = Dense(40,activation='relu')(decoding_X1)

output_X1 = Dense(X1[0].shape[0],activation='sigmoid')(decoding1_X1)

multi_modal_autoencoder = Model([input_X,input_X1],[output_X,output_X1],name='multi_modal_autoencoder')

encoder = Model([input_X,Concat_X_X1)

encoder.save('encoder.h5')

multi_modal_autoencoder.compile(optimizer=keras.optimizers.Adam(lr=0.001),loss='mse')

model = multi_modal_autoencoder.fit([X,X1],[X,epochs=70,batch_size=150)

我想从编码器中返回潜伏表示，该潜伏表示将表现为形状为（1000,4）的numpy数组，然后将其用作另一个模型的输入。希望有人知道这些可以帮助我实现目标。为此，我按照建议尝试了以下操作：

file = h5py.File('encoder.h5','r')
keys = list(file.keys())   #it returns models weights as key
value = file.get('model_weights') #<HDF5 group "/model_weights" (9 members)> 
the 9 members are ['concatenate_1','dense_1','dense_2','dense_3','dense_4','dense_5','dense_6','input_1','input_2'].

file['/model_weights/concatenate_1']) returns <HDF5 group "/model_weights/concatenate_1" (0 members)>
value = file['/model_weights/concatenate_1'][:]

但是它返回一个错误：

AttributeError                            Traceback (most recent call last)
<ipython-input-18-7bc6cbac9468> in <module>
----> 1 value = file['/model_weights/concatenate_1'][:]

h5py\_objects.pyx in h5py._objects.with_phil.wrapper()

h5py\_objects.pyx in h5py._objects.with_phil.wrapper()

~\Anaconda3\envs\tensorflow\lib\site-packages\h5py\_hl\group.py in __getitem__(self,name)
    260                 raise ValueError("Invalid HDF5 object reference")
    261         else:
--> 262             oid = h5o.open(self.id,self._e(name),lapl=self._lapl)
    263 
    264         otype = h5i.get_type(oid)

~\Anaconda3\envs\tensorflow\lib\site-packages\h5py\_hl\base.py in _e(self,name,lcpl)
    135         else:
    136             try:
--> 137                 name = name.encode('ascii')
    138                 coding = h5t.CSET_ASCII
    139             except UnicodeEncodeError:

AttributeError: 'slice' object has no attribute 'encode'

解决方法

我假设X[0].shape[0]和X1[0].shape[0]相等，并且由于它是一个密集层，因此应该为4000。您已经设法进入训练阶段，但是更好的是说Model.fit是训练过程中造成损失的历史对象。这样，您名为model的对象实际上不是模型。

要使用此训练有素的模型预测值，您需要致电Model.predict()，您的情况应类似于：

multi_modal_autoencoder.predict([D1,D2])

Model.predict()返回预测的numpy数组，在您的情况下为两个数组，并且在检索输入的预测后可能需要reshape方法。然后，您可以将该输出用作下一个网络的输入。

我强烈建议您阅读docs