【问题标题】：How to use Variational Autoencoder as a Feature Extractor? [closed]如何使用变分自动编码器作为特征提取器？ [关闭]
【发布时间】：2021-02-22 11:23:50
【问题描述】：
我想使用我在图像数据集上训练的 VAE 作为另一个任务的特征提取器，这样我就可以用我的 VAE 替换 ResNet 进行特征提取。
为此我使用哪些层？
使用“标准”自动编码器，您只需使用编码网络，但由于 VAE 的潜在层由均值和分布组成，我不知道应该使用哪些层进行特征提取。
有人知道如何使用 VAE 作为特征提取器，以及使用不同的组件需要考虑什么？
【问题讨论】：
标签：
tensorflow
machine-learning
keras
feature-extraction
autoencoder
【解决方案1】：
隐藏变量 z 在 VAE 中用作降维的提取特征。这是从原始空间中的四个特征 ([x1,x2,x3,x4]) 到缩减空间中的两个特征 ([z1,z2]) (source) 的示例降维：
训练完模型后，您可以将样本传递给编码器以提取特征。您可以在 mnist 数据 here 上找到 Keras 实现示例（请参阅 plot_label_clusters 函数）：