问题描述
我正在为循环函数（cos(x)，cos(2x)等）构建去噪器，至少可以说我得到的结果很糟糕。
直到几个小时前，该模型完全不起作用（对于所有结果仅返回0），然后我添加了nn.BatchNorm1d，它开始“学习”。
问题在于结果确实很糟糕，看上去甚至比嘈杂的示例还要糟糕：
该模型非常简单（in_channels = 1，K = 128每个间隔中的样本数，B = 2个间隔数，z_dim = 64隐藏维数，{{1} }）
out_channels = 1我试图使模型更深，使用class LinAutoencoder(nn.Module):
def __init__(self,in_channels,K,B,z_dim,out_channels):
super(LinAutoencoder,self).__init__()
self.in_channels = in_channels
self.K = K
self.B = B
self.out_channels = out_channels
encoder_layers = []
decoder_layers = []
encoder_layers += [
nn.Linear(in_channels * K * B,in_channels * K * B,bias=True),nn.BatchNorm1d(in_channels * K * B),nn.ReLU(),nn.Linear(in_channels * K * B,nn.BatchNorm1d(z_dim),nn.ReLU()
]
decoder_layers += [
nn.Linear(z_dim,out_channels * K * B,nn.BatchNorm1d(out_channels * K * B),nn.Linear(out_channels * K * B,nn.ReLU()
]
self.encoder = nn.Sequential(*encoder_layers)
self.decoder = nn.Sequential(*decoder_layers)
print(self.decoder)
def forward(self,x):
batch_size = x.shape[0]
x_flat = torch.flatten(x,start_dim=1)
enc = self.encoder(x_flat)
dec = self.decoder(enc)
res = dec.view((batch_size,self.out_channels,self.K * self.B))
return res
代替tanh失败了。
我使用relu优化器用900和lr = 0.005训练了momentum = 0.9个时期。
我还尝试了不同的优化器。
欢呼
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）