我正在尝试将 Convul​​tional Auto-Encoder 用于其潜在空间（嵌入层），具体来说，我想在潜在空间中使用嵌入进行 K-最近邻搜索（类似于 word2vec 的想法）。

我的输入是 3x224x224（ImageNet），我找不到任何详细说明特定架构的文章（在过滤器数量、卷积层数等方面）。我尝试了一些任意架构，例如：

编码器：

• 转换（通道=3，过滤器=16，内核=3）
• 转换（通道=16，过滤器=32，内核=3）
• 转换（通道=32，过滤器=64，内核=3）

解码器：

• 反卷积（通道=64，过滤器=32，内核=3）
• 反卷积（通道=32，过滤器=16，内核=3）
• 反卷积（通道=16，过滤器=3，内核=3）

但我想从一个在类似任务中证明自己的设置开始我的超参数搜索。您能否向我推荐一个资源或建议一个为此目的为您工作的架构？