这是我的代码：
AE_0 = Sequential()
encoder = Sequential([Dense(output_dim=100, input_dim=256, activation='sigmoid')])
decoder = Sequential([Dense(output_dim=256, input_dim=100, activation='linear')])
AE_0.add(AutoEncoder(encoder=encoder, decoder=decoder, output_reconstruction=True))
AE_0.compile(loss='mse', optimizer=SGD(lr=0.03, momentum=0.9, decay=0.001, nesterov=True))
AE_0.fit(X, X, batch_size=21, nb_epoch=500, show_accuracy=True)
X具有形状（537621，256）。我试图找到一种方法来将大小为256的向量压缩为100，然后压缩为70，然后压缩为50。我这样做的方法是千层面，但在Keras中，使用自动编码器似乎更容易工作。
这是输出：
时代1/500 537621/537621 [=============================]-27秒-亏损：0.1339-累计：0.0036
时代2/500 537621/537621 [==============================]-32s-损失：0.1339-acc：0.0036
时期3 / 500 252336/537621 [=============> ....]-ETA：14秒-损失：0.1339-acc：0.0035
并持续不断地如此。
现在它已在master上修复：)打开问题有时是最佳选择https://github.com/fchollet/keras/issues/1604
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句