не очень удобно работать и переносить алгоритмы между питоном и большинством других языков когда индексация отличается. Ну и диапазоны / разделения более понятные когда верхняя граница не включается (например отбросить последние 2 элемента a[:-2], длина диапазона равна разнице между индексами)
Не тратьте свое и мое время. Я отвечу на большинство «заумных вопросов» простыми словами, как и нужно делать профессионалу. И даже опишу более сложные концепции.
Пока единственный ответ который я увидел был «Заигрались вы». А хотелось бы узнать что в оригинальной публикации по retinanet такого выбросили авторы:
Автор сделал жесткий dropout ТОПовых сетей для ImageNet. Убрал кучу нужных ветвей и слоев и говорит об эффективности на порядок.
именно retinanet? Неплохая архитектура для любых задач detection (нахождения объектов). Очень простая архитектура, с ней просто работать и затачивать под задачи, хотя с времени публикации появились и более сильные решения. Лично я последний раз использовал для определения пневмонии на рентгеновских снимках: arxiv.org/pdf/2005.13899.pdf
Я возможно не правильно понял вопросы, они о ретинанет либо о мозге? Во время тренировки обычно картинки случайно преобразовываются (как раз случайные аффинные преобразование, случайные преобразования цветных каналов, шум итд), так что очень существенного падения метрик при сравнимых изменениях тестовых картинок (например поворотах на 20 град, 1.5х масштаб, умеренном шуме) не должно быть.
Возможно специально подобрать шум (изменения) который будет сильно влиять на результат, но я не думаю что вопрос был про adverserial атаки.
Мозг натренировался на огромном датасете, с чем не встечался то и плохо распознает (произношение других народов например, перевернутый текст), с реснетами такая же история.
CNN дают инвариантность только по сдвигу, и то не любому (после пулинга будет инвариантность только по шагу последнего слоя например), все остальное достигается грубой силой — увеличение сети и датасета, включая аугментации как раз по перечисленным изменениям. В результате работает. Мозг так же не всегда инвариантен к таким изменениям, читать по вертикали чибо перевернув текст не так удобно например.
Навеное ворос ближе к «А почему Израиль» получил бы менше (имхо незаслуженных) минусов в стравнении «А что вы имеете против Израиля?» (немного агресивная формулировка, предполагает что автор имеет что-то против Израиля).
Пример для Австралии, пенсионные фонды приблизительно так и работают, 9.5% зарплаты работодатель переводит в твой фонд (с пониженной налоговой ставкой, выгодно и самому делать доналоговые переводы, правда доступ к деньгам будет только после 65).
${!arr[*]} против например arr.keys()
Пока единственный ответ который я увидел был «Заигрались вы». А хотелось бы узнать что в оригинальной публикации по retinanet такого выбросили авторы:
Возможно специально подобрать шум (изменения) который будет сильно влиять на результат, но я не думаю что вопрос был про adverserial атаки.
А почему решили использовать именно классические подходы? Сюда CNN так и просится, потом ембединги очень интересно анализировать.
Доходность одного из основных фондов за последние 10 лет: www.australiansuper.com/compare-us/our-performance
Уровень инфляции: tradingeconomics.com/australia/inflation-cpi