tensorflow - Tensorflow：模式训练和生成

Question

想象一下，我有数百个矩形图案，如下所示：

_yx_0zzyxx
_0__yz_0y_
x0_0x000yx
_y__x000zx
zyyzx_z_0y

假设不同模式的唯一变量是尺寸（字符的宽度乘高度）和矩形内给定单元格的值，可能的字符_ y x z 0。所以另一种模式可能如下所示：

yx0x_x
xz_x0_
_yy0x_
zyy0__

还有一个是这样的：

xx0z00yy_z0x000
zzx_0000_xzzyxx
_yxy0y__yx0yy_z
_xz0z__0_y_xz0z
y__x0_0_y__x000
xz_x0_z0z__0_x0

这些简化的示例是随机生成的，但想象一下，字符的尺寸和布局之间存在更深层次的结构和关系。

我想以无监督的方式（无标签）在这个数据集上进行训练，以生成类似的输出。假设我已经使用分类标识列tf.data.Dataset适当地创建了我的数据集：

• 什么是无监督训练（无标签）的良好通用模型？
• 是否有一个 Tensorflow 预制估计器可以很好地代表这种模型？
• 一旦我训练了模型，根据它学到的东西使用它来生成模式的一般方法是什么？我想到了Google Magenta，它可用于在音乐旋律数据集上进行训练，以便从一种种子/初级旋律中生成类似的旋律

我不是在寻找一个完整的实现（这是有趣的部分！），只是一些建议的教程和接下来的步骤。谢谢！

标签： tensorflowmachine-learningdeep-learning