snakers412 июн 2017 в 18:22Нейрокурятник: часть 4 — итоговая модель и код на продВремя на прочтение10 минОхват и читатели13KData Mining * Open source * Python * Машинное обучение * Обработка изображений * ТуториалВсего голосов 41: ↑39 и ↓2+35Добавить в закладки78Комментарии6
rzykov13 июн 2017 в 07:00Спасибо, очень интересно читать. Всегда радует, когда ML находит практическое применение в реальной жизни. Ваш пример напомнил мне один проект из Норвегии https://geektimes.ru/post/287572/
snakers413 июн 2017 в 09:32Показать предыдущий комментарийМы скорее просто заморочились на хобби проект чтобы научиться ) Но фишка в том что мы сделали всю цепочку от курятника до сетки ))
pdima13 июн 2017 в 09:2040 млн параметров в одном Dense уровне не очень оптимально, если например resnet50 из кераса дотренировать, он может даже быстрее работать будет.
snakers413 июн 2017 в 09:38Показать предыдущий комментарийНаверное быстрее и точность будет выше. Но мы хотели сделать модель как бы как вещь в себе, чтобы протестить применимость в вакууме. Я понимаю что можно обрезать пару слоев и настроить любую большую сеть, если она училась на любых животных. Про параметры — спасибо, стало понятно почему batch norm не работал. В следующий раз подумаю над оптимизацией.
pdima13 июн 2017 в 10:22Показать предыдущий комментарийстоит попробовать добавить дополнительный уровень convolution/pool/batch_norm, возможно точность улучшится и веса будут в 4 раза меньше
Нейрокурятник: часть 4 — итоговая модель и код на прод