带有迁移学习的自动编码器？答案

【问题标题】：Autoencoder with Transfer Learning?带有迁移学习的自动编码器？
【发布时间】：2019-02-26 11:24:27
【问题描述】：

有没有一种方法可以使用像 ResNet 这样的预训练模型来训练自动编码器模型？

我正在尝试训练一个自动编码器模型，输入为图像，输出为该图像的掩码版本。

是否可以在这里使用来自预训练模型的权重？

【问题讨论】：

您能否在问题中包含所需的行为、特定问题或错误以及在问题本身中重现它所需的最短代码。没有明确问题陈述的问题对其他读者没有用处。请参阅：How to create a Minimal, Complete, and Verifiable example。

【解决方案1】：

是的！您绝对可以使用预先训练的网络进行迁移学习，即 ResNet50 作为自动编码器中的编码器。作为参考，请查看以下链接。 https://github.com/hsinyilin19/ResNetVAE

【讨论】：

正如目前所写，您的答案尚不清楚。请edit 添加其他详细信息，以帮助其他人了解这如何解决所提出的问题。你可以找到更多关于如何写好答案的信息in the help center。

【解决方案2】：

据我所知，没有经过验证的方法可以做到这一点。我会从头开始训练自动编码器。

理论上，如果您发现预训练的 CNN 不使用最大池化，您可以将这些权重和架构用于自动编码器中的编码器阶段。您还可以从预训练模型中提取特征并将它们连接/合并到您的自动编码器。但增值并不明确，架构可能会变得过于复杂。

【讨论】：