Keras - Train Convolution Network, bekommen Auto-Encoder-Ausgang

Question

Was ich tun möchte: Ich möchte ein Convolutional Neuronal Netzwerk auf dem Cifar10-Datensatz auf nur zwei Klassen zu trainieren. Wenn ich dann mein angepasstes Modell habe, möchte ich alle Schichten nehmen und das Eingangsbild reproduzieren. Ich möchte also ein Bild aus dem Netzwerk zurückholen, anstatt es zu klassifizieren.

Was ich bisher getan haben:

def copy_freeze_model(model, nlayers = 1): 
    new_model = Sequential() 
    for l in model.layers[:nlayers]: 
     l.trainable = False 
     new_model.add(l) 
    return new_model 

numClasses = 2 
(X_train, Y_train, X_test, Y_test) = load_data(numClasses) 
#Part 1 
rms = RMSprop() 
model = Sequential() 
#input shape: channels, rows, columns 
model.add(Convolution2D(32, 3, 3, border_mode='same', 
         input_shape=(3, 32, 32))) 
model.add(Activation("relu")) 
model.add(MaxPooling2D(pool_size=(2, 2))) 
model.add(Dropout(0.5)) 

model.add(Flatten()) 
model.add(Dense(512)) 
model.add(Activation("relu")) 
model.add(Dropout(0.5)) 
#output layer 
model.add(Dense(numClasses)) 
model.add(Activation('softmax')) 
model.compile(loss='categorical_crossentropy', optimizer=rms,metrics=["accuracy"]) 

model.fit(X_train,Y_train, batch_size=32, nb_epoch=25, 
      verbose=1, validation_split=0.2, 
      callbacks=[EarlyStopping(monitor='val_loss', patience=2)]) 
print('Classifcation rate %02.3f' % model.evaluate(X_test, Y_test)[1]) 

##pull the layers and try to get an output from the network that is image. 

newModel = copy_freeze_model(model, nlayers = 8) 
newModel.add(Dense(1024)) 

newModel.compile(loss='mean_squared_error', optimizer=rms,metrics=["accuracy"]) 
newModel.fit(X_train,X_train, batch_size=32, nb_epoch=25, 
      verbose=1, validation_split=0.2, 
      callbacks=[EarlyStopping(monitor='val_loss', patience=2)]) 
preds = newModel.predict(X_test) 

Auch wenn ich das tue:

input_shape=(3, 32, 32) 

Ist dies bedeutet einen 3-Kanal (RGB) 32 x 32 Bild?

Answer 1

Was ich vorschlagen Sie ist eine gestapelte Faltung Autoencoder. Dies macht das Unpooling von Layern und die Dekonvolution erforderlich. Hier können Sie die allgemeine Idee und Code in Theano finden (auf dem Keras gebaut wird):

https://swarbrickjones.wordpress.com/2015/04/29/convolutional-autoencoders-in-pythontheanolasagne/

Ein Beispiel Definition von Schichten benötigt hier:

https://github.com/fchollet/keras/issues/378