на туман можно тоже свою матрицу сделать

Это само собой, но в целом не стоит особо проблемы оценить насколько хорошо модель справляется со своей задачей, ибо на данный момент она справляется примерно никак ) Насколько я вычитал, это расхожая проблема

Доброго времени суток, у меня вопрос по поводу того, как лучше сгруппировать данные таблиц (и надо ли), имеется на каждый эпид. сезон 31-33 таблицы, начиная с 40-41 недели уходящего года, заканчивая 52 и еще 20 недель нового года, и таких три сезона, пример таблицы прилагаю.

Главный вопрос, с чего лучше начать, как, и что можно получить с заданного объема данных (какие модели можно построить и какие нюансы). Буду очень благодарен за любые советы, наводки что почитать или примеры работы с таким объемом данных на тематику заболеваний / эпидемий, ибо лично я впервые встречаюсь с таким сетом.

Привет всем, такой вопрос, есть нейронка, и датасет, в датасета 16 к фото, нейронка это 1 слой relu на 256 нейронов, и выходной слой sigmoid, параметр loss это binary crosentropy, 4 признака должна расспознавать, фотографий по 4 к на каждый признак соответственно.
Проблема в следующем: не учиться, а точнее учиться но accurasy после 10-12 эпох доходит до 0.41 и всё больше никуда не двигается, loss стабильно падает.
Когда применяю на новых изображения выдаёт полную пургу.
Признаки должна расспознавать такие: открыт левый глаз, открыт правый глаз, повёрнута голова.
Вопрос: почему не учиться?(p.s. датасет не битый, генератор выдаёт всё нормально)

Для справки скажу, что при 4 тысячах фото, и при 16 и там и там после 10-12 эпохи одинаковая беда

https://colab.research.google.com/drive/1bz4nd0d4w3uFR1d0TA9e5BPV-D4xreEG?usp=sharing вот код

Я так понимаю у вас мультиклассовая классификация?

Это задание с курсов? Или это прикол какой-то использовать сеть с одним скрытым слоем?

1 слой и релю на картинках?
Похоже просто 41% это потолок

Сделал сейчас, пробовал при этом "туман войны" как запихивать отдельным слоем, так и вообще убрать или множить другие слои тензора на этот самый туман (множит на ноль все, чего не видно), результат одинаковый - с падением эпсилона падает награда, падает лосс, то есть примерно то же самое, что было раньше.

На данный момент агент получает -0.001 награды за каждый шаг, -0.005 за удар о стену, вход в ранее посещенную клетку -0.005 за решение оставаться на месте. За нахождение выхода или столкновение с врагом получает +1\-1 соответственно и конец эпизода.

Не знаю даже в чем причина может быть, что-то RL мне не дается так просто, как картинки с текстом и таблицами

По логике он должен пытаться бегать по клеткам, которые ранее не посещал, и зайти в "выход" как только его заприметит, ибо это единственное, что дает положительную награду в среде

Он пытается затюнить resnet

Странно

Только не понимаю зачем использует бинарную кросэнтропию для многоклассовой

Поставить нормальный лосс, если не поможет - накатить аугментаций, если не поможет - чистить лейблы

Там ещё learning rate 1e-6, маловато + в колбеки можно поставить reduce

Может это первоапрельская шутка?

Да