Jeśli sieć neuronowa mi się tak przeucza, to właściwie nie wyciągnę nic więcej z tego modelu niże te 45-50% występujące w okolicach 500 iteracji, dobrze myślę? Żadna zmiana parametrów za bardzo nie pomoże.
@DywanTv: a to zadanie produkcyjne czy analiza? Pewnie produkcja/obrazy. Mam małe doświadczenie z sieciami, bo siedzę w analityce i powiem tak: złośliwi mówią, że liniowe modele bayesowskie się przeuczają. ale to co się w sieciach wyprawia to dopiero ( ͡°͜ʖ͡°) No i bardzo słaba interpretacja modelu. W produkcji to podejrzewam, że się liczy pierdylion różnych sieci i wybiera najlepszą. Czasem kota jako psa rozpozna,
@DywanTv: jak byłem parę lat temu na warsztatach z ML, to gość z Amazona do obrazków polecał Resnet i bazujące na nim np. DenseNet. Niestety nie wiem czy to jest wykonalne obliczeniowo, ale podobno jedne z lepszych. Tematu jednak nie śledzę, pewnie coś nowszego już jest
@DywanTv: Wszystko zależy od modelu, musi być dopasowany do zbioru danych - ani nie za "silny" ani nie za "słaby". Na pewno przypisane emocje są dobrze dopasowane, czy tylko na oko? Wygląda to tak jakby model nie był w stanie znaleźć sensownego dopasowania i od razu się przeucza zapamiętując dane treningowe. Tutaj model jest ewidentnie zbyt pojemny lub próbki za mało ujednolicone. Takie luźne propozycje: -Upewnij się, że twarze są
#matlab #cnn #siecineuronowe #komputery #deeplearning
źródło: comment_1636744148QGooGyVryCVFIOk8kCR79r.jpg
Pobierz@DywanTv: tak, albo nie ( ͡° ͜ʖ ͡°)
Teraz podpiąłem GoogleNet, ale w ogóle nic się nie uczy xD Echhh xd
https://d2l.ai/chapter_convolutional-modern/resnet.html
-Upewnij się, że twarze są