如何使用Pylearn2通过经过训练的自动编码器转换新数据

Question

我通过Pylearn2训练并保存了两层堆叠的CAE模型。我想加载这些模型并转换一个新颖的数据集。我该怎么做？

这是我的型号：

l1 = serial.load('CAE_l1.pkl')
l2 = serial.load('CAE_l2.pkl')
print l1
<pylearn2.models.autoencoder.ContractiveAutoencoder object at 0x7f3bb6d482d0>

我也试过这样的东西，但不起作用。

data = T.matrix('data')
transform = theano.function([data], l1(data))

这是我最近做的，但不确定它的正确性：

data = T.matrix('data')
transform = theano.function([data], l1.encode(data))
X_1 = transform(X.astype(float32))

Answer 1

检查pylearn2.scripts.autoencoder目录中的配置文件，该文件显示如何使用堆叠的、预训练的自动编码器。在数据集进入模型的下一阶段的过程中，您将预训练的模型作为transformer对象加载到数据集上。

如果你不想使用yaml文件，你应该能够使用正确的方法将模型函数串在一起（未经测试，因为我正在写下我的想法）：

输入=T.vector（）

enc=l1。编码（输入）

输出=l2.编码（enc）

f=无功能（[输入]，输出）

real_transformation=f（real_data）

要返回，可以使用ae_layer.decode()方法执行同样的操作。

如果这些是和MLP的层的一部分，则可以在MLP上调用.fprop()方法来向上遍历所有层。