- 授权协议: GPL
- 开发语言: Python
- 操作系统: 跨平台
- 软件首页: https://github.com/CrawlScript/Tensorflow-AutoEncoder
- 软件文档: https://github.com/CrawlScript/Tensorflow-AutoEncoder
- 官方下载: https://github.com/CrawlScript/Tensorflow-AutoEncoder
软件介绍
TFSAE 是基于 Tensorflow 的 Stacked AutoEncoder (栈式自编码器)。可用于数据降维、特征融合。下图是 TFSAE 将 iris 数据集中的 4 维特征融合为 2 维特征的示例：
| Encoded Iris Data(2 features) | Fine Tuned Encoded Iris Data(2 features) |
 |  |
| Origin Iris Data (4 features) | |
TFSAE 不仅实现了基础的 AutoEncoder ，还实现了栈式的 AutoEncoder(Stacked AutoEncoder) ，可通过参数在两种模式之间切换。代码也提供了 Fine-Tuning 的功能，用于学习更好的特征。TFSAE 具有精简的接口，示例代码如下：
#coding = utf-8 from autoencoder import AutoEncoder, DataIterator # train data datas = [ [1,1,1,0,0,0], [0,0,0,1,1,1] ] # data wrapper iterator = DataIterator(datas) # train autoencoder # assume the input dimension is input_d # the network is like input_d -> 4 -> 2 -> 4 -> input_d autoencoder = AutoEncoder() autoencoder.fit([4, 2], iterator, stacked = True, learning_rate = 0.1, max_epoch = 5000) autoencoder.fine_tune(iterator, learning_rate = 0.1, supervised = False) # after training # encode data encoded_datas = autoencoder.encode(datas) print "encoder ================" print encoded_datas # decode data decoded_datas = autoencoder.decode(encoded_datas) print "decoder ================" print decoded_datas # reconstruct data (encode and decode data) reconstructed_datas = autoencoder.reconstruct(datas) print "reconstruct ================" print reconstructed_datas autoencoder.close()
