python之自动编码器输出和特征向量不正确

我正在使用自动编码器对图像进行特征提取。我的图像是位图 => 像素值 = 0 或 1

我使用以下代码:

X_train_autoencodeur = X_train.reshape(-1, 96*96) 
X_valid_autoencodeur=X_valid.reshape(-1,96*96) 
 
input_img = Input(shape=(96*96,)) 
encoded = Dense(1024, activation='relu')(input_img) 
encoded = Dense(512, activation='relu')(encoded) 
encoded = Dense(256, activation='relu')(encoded) 
encoded = Dense(128, activation='relu')(encoded) 
 
 
 
decoded = Dense(256, activation='relu')(encoded) 
decoded = Dense(512, activation='relu')(decoded) 
decoded = Dense(1024, activation='relu')(decoded) 
decoded = Dense(96*96, activation='sigmoid')(decoded) 
 
autoencoder = Model(input_img, decoded) 
autoencoder.compile(optimizer='adam', loss='binary_crossentropy') 
 
autoencoder.fit(X_train_autoencodeur, X_train_autoencodeur, 
                epochs=100, 
                batch_size=256, 
                shuffle=True, 
                validation_data=(X_valid_autoencodeur, X_valid_autoencodeur)) 
 
 

然后我用

decoded_imgs = autoencoder.predict(X_valid_autoencodeur) 
plt.imshow(decoded_imgs[7].reshape(96,96)) 
 

经过 3 个 epoch 验证和训练损失变得非常低并且没有改变

重建后的图像全是黑色，特征向量都一样。

我已经训练了 100 个 epoch 的自动编码器，我应该训练更多吗？ 我是否在我的代码上犯了错误，这可以解释糟糕的重建？

请您参考如下方法:

根据经验，我知道自动编码器通常需要很长时间来训练(更像是 1000 个纪元)，即使您使用的是卷积神经网络。

然而，您正在尝试使用一个完全连接的神经网络(并且是一个相当大的神经网络)，这将花费更长的时间来学习一些东西。

我的建议是:尝试使用 CNN 和更多训练周期。