Всем привет. Пробую решить задачу бинарной классификации изображений. Не циферки на белом фоне, а вполне разношерстные картинки в RGB. Так как не работал с DL-фреймворками, пробую банальный препроцессинг в cv2 + pca, и на 1D массивах обучаю SVM на нелинейном ядре. Accuracy 0.6. Предполагаю, что для улучшения нужно либо генерить признаки и добивать svm, либо вникать в сетки. Время ограничено. Кто-нибудь проходил подобный путь с погружением в CV? Если да, какой вариант предпринять?

а вообще незачем морочиться со списком нулей

m = np.zeros((22, 254))

Универ 20.35 сейчас предоставляет доступ к курсу яндекс практикума "аналитик данных" бесплатно)

единственное условие

pytorch pretrained models

все нужно пройти до 31 марта

за вечер управишься

Если картинки, то,конечно, сетки

список списков: [[0.[1],[2]...]]-такой?

сейчас покажу

model = models.alexnet(pretrained=True, progress=True)
model.classifier[6] = nn.Linear(4096,42)

вот реально так, где 42 - это кол-во классов в моем случае было

Ну ты вспомнил, конечно) алекснет :D

а я скопировал из старого своего решения инкласс соревов

Ленет тогда уж сразу)))

в DLS

ну там выберет человек по душе))

я просто показать, что это делается прям изи-изи