这是一个研究项目，专注于在嵌入子流形附近支持数据时，自动生成具有最小特征尺寸的自动编码器。利用流形的几何结构，当流形是可展平的时，我们可以把这个问题等价地看作流形展平问题¹。请参阅我们的论文，基于流形平坦化和重构的表示学习，了解更多详细信息。

主要实际效益：根据您的数据构建自己的神经网络自动编码器！与其试错猜测要使用什么架构维度，不如简单地运行一个几何过程，根据您的数据自动优化层的宽度、深度和停止时间².

纯FlatNet构造（训练）代码作为pip包提供，可以按以下方式安装：

pip安装平面网

该报告还包含一些测试和说明文件，以使新用户熟悉该框架，并显示主文件中运行的实验。要为此repo安装适当的其余依赖项，请首先导航到项目目录，然后运行以下命令：

pip安装-r要求.txt

以下是使用pip包的简单示例脚本：

进口 火炬
进口 扁平网

#创建正弦波数据集
t吨 = 火炬.林斯空间(0,1,50)年 = 火炬.罪(t吨 * 2 * 3.14)#将维度D的N个点的数据集格式化为（N，D）矩阵
X（X） = 火炬.堆栈([t吨,年],昏暗的=1)#添加噪音
X（X） = X（X） + 0.02*火炬.兰登(*X（X）.形状)#规范化数据
X（X） =(X（X） - X（X）.意思是(昏暗的=0))/ X（X）.标准(昏暗的=0)#训练编码器f和解码器g，然后保存
#通过f的构造层的流形演化
（f）,克 = 扁平网.火车(X（X）,n比特=150,保存gif=真的)

脚本平面网测试.py包括许多运行FlatNet构造的示例实验。要查看示例实验，只需运行python flatnet_test.py在主目录中查看简单正弦波的展平和重建。可以通过命令行参数指定进一步的实验和选项，通过提罗; 要查看参数的完整列表，请运行python flatnet_test.py--帮助.

• 平面网测试.py：主测试脚本，如上一节所述。
• flatnet/列车.py：包含主要FlatNet构造（训练）代码。
• 扁平网络/模块：包含FlatNet中使用的神经网络模块的代码。
• 实验-纸：包含本文中所做实验的脚本和结果。
• 模型：包含本文中与FlatNet进行比较的各种模型的代码。
• 工具：包含用于评估方法的辅助工具，例如随机流形生成器，其中一个来自兰德曼回购。

如果你在研究中使用这项工作，请引用以下论文：

@文章{psenka2023flatnet，author={Psenka、Michael和Pai、Druv和Raman、Vishal和Sastry、Shankar和Ma、Yi}，title={通过流形平坦化和重构进行表征学习}，年份={2023}，eprint={2305.01777}，url={https://arxiv.org/abs/2305.01777},}

我们希望你觉得这个项目有用。如果您有任何问题或建议，请随时与我们联系。

此软件和/或数据于2023年5月3日存放在BAIR开放研究公共存储库。