我正在尝试用TensorFlow编写CLDNN的实现，就像该方案中的一个一样。我对降低层有问题。
据我了解，它是由几台堆叠限制的玻尔兹曼机器（RBMS）制成的，并且像自动编码器一样工作。该层的解码器部分仅在这里训练编码器以减少井尺寸。这意味着您想将编码器的输出"插入"到下一层的输入中。
我可以定义一个将训练自动编码器的损失函数（通过比较解码输出的输入），以及将训练整个图的其他损耗函数。我有办法训练这两个损失功能吗？或者，也许我在这里误解了这个问题，但是对我来说，自动编码器的解码器部分有点"在循环外"，并且不会受到训练。
我发现了这种自动编码器和卷积层等的实现...但是我真的不明白如何在网络中"插入"自动编码器（如计划中的）
纸说
计算网络工具包（CNTK）[24]用于神经网络培训。正如[14]所表明的那样，我们对所有层都施加了均匀的随机重量初始化，而没有生成或歧视性预处理[1]。
。
缩小图只是一个密集的投影层。因此，他们不训练任何自动编码器，他们只是配置网络体系结构并从随机初始状态训练网络。
自动编码器以前用于子网初始化，但现在并不是很受欢迎。