"FeatureExtractor" (神经网络编码器)

NetEncoder[{"FeatureExtractor",f}]

表示一个使用 FeatureExtractorFunction f 对输入编码的编码器.

NetEncoder["FeatureExtractor"]

表示一个在网络训练中自动学习的编码器.

NetEncoder[{"FeatureExtractor","method"}]

使用特定的特征提取方法.

更多信息

  • 在 NetEncoder[{"FeatureExtractor",f}] 中，FeatureExtractorFunction f 应返回一个数字向量.
  • 在 NetEncoder["FeatureExtractor"] 中，当 NetTrain 在包含编码器的网络中被调用，提取器会从训练数据中习得. 习得的提取器通常返回数字向量.
  • 在 NetEncoder[{"FeatureExtractor","method"}] 中，"method" 可以是 FeatureExtraction 的任何特征提取器方法，可以产生数字向量："StandardizedVector", "IndicatorVector", "TFIDF", "ImageFeatures", "AudioFeatures", "GraphFeatures" 等.
  • NetEncoder[…][input] 将解码器应用于输入以产生输出.
  • NetEncoder[…][{input1,input2,…}] 将编码器应用于输入列表以生成输出列表.
  • 在构建网络时可通过指定 "port"NetEncoder[…] 将编码器附于网络输入端口.

范例

基本范例  (2)

定义一个可以在数据上自动学习的有特征提取器的网络：

在图像上训练这个网络：

将该网络应用于新图像：

取一些维数为 3 的数字向量：

训练一个可以标准化这些数据的a FeatureExtractorFunction：

创建一个可以应用降维的函数编码器：

将编码器应用于输入向量：

给出与 FeatureExtractorFunction 一样的结果：

同一个 NetEncoder 可通过使用 NetTrain 获取：

编码器还可以附于网络并使用网络进行训练（在第一阶段）：