pytorch中灵活构建卷积自动编码器的工具包
autoencoder的Python项目详细描述
简介
这个存储库包含了在PyTr火炬中灵活构建自动编码器所必需的工具。今后可能会增加一些调查工具。这个工具包的主要目标是使快速和灵活的实验与卷积自动编码器的各种架构。
实现是这样的,通过传递不同的参数可以改变自动编码器的体系结构。可调方面是:
- 层数
- 自动编码器每层的剩余块数
- 用于下采样和上采样卷积以及剩余块中卷积的函数
- 自动编码器每层的通道数
- 每次卷积后执行的激活功能
- 编码器-解码器架构的对称性(或缺乏对称性)
- 等
一些有用的包装器和自定义类(如residualblock或generalconvolution)可以在model_parts.py中找到。 文件models.py是实际的自动编码器类所在的位置。它包含一个基类以及二维和三维数据的两个扩展。
安装
使用pip install autoencoder
可以获得最新的稳定版本。
否则,可以直接在项目中下载和使用这些文件。
用法
convae基类需要指定总体架构的参数(请参阅文档)和一个用于下采样层、上采样层和剩余块的函数。 另一方面,conv2dae和conv3dae提供了一个接口,可以从参数轻松创建上述函数,并从参数创建自动编码器。