Свёрточная нейронная сеть

Мы добавим в нашу нейронную сеть свёрточные слои. Разберёмся что это такое и как они работают. Получим свёрточную нейронную сеть гораздо точнее решающую задачу.
Сервер в Discord, где можно задать вопросы, получить помощь с ошибками и не только:
/ discord
Блокнот в Colab: colab.research...
Занятие по теме от Андрея Созыкина:
• Распознавание объектов...
Урок по теме от Адрина с PyImageSearch:
www.pyimagesea...
Полезная лекция:
• Введение в Deep Learni...

[@ОлегСоболев-ы2й]

Здрвствуйте подскажите пожалуйста из за чего такая ошибка ValueError Traceback (most recent call last) in () 20 #x = np.array([[data]]) 21 #x_normed = x / x.max(axis=0) ---> 22 pred = model.predict([[data]]) 23 print(pred) 24 if pred[0][0] >= pred[0][1]:

[@avt.global]

Вы получили ответ на сервере в Discord! Все, у кого возникают вопросы, могут получить ответы и помощь там: discord.gg/vanJZyNYbY

[@steelrat7678]

Привет! Я не спец по картинкам, такчто могу гнать пургу - извините если что) Вот какая мысль пришла в голову- Раз свертывание- это удаление одной информации и подчеркивание другой, то напрашивается применение множества (например - миллион) сверточных операций с разными ядрами (к одной и тойже входной информации) с последующей обработкой (например сравнением) в следующих слоях. Такое применяется? Если да- то как? Если пойти дальше то само сверточное ядро также можно сделать подбираемым коэффициентом нейросети)) Про вычислительные мощности не говорим- считаем что мы всесильны) Спасибо! Да, и еще вопрос- если можно применяются ли сверточные сети к анализу временных рядов (считай- шума) и если да- то как? Еще раз спасибо!

[@avt.global]

Привет! Спасибо за комментарий. "напрашивается применение множества (например - миллион) сверточных операций с разными ядрами (к одной и тойже входной информации)" - так так и делают, мы применяли 32 свёртки, можно и больше выставить. Миллион - это перебор, практика показывает, что достаточно и меньшего количества свёрток. Количество свёрток важно, но ещё важнее выстраивание иерархии признаков - применение одного свёрточного слоя к результату работы другого свёрточного слоя. "с последующей обработкой (например сравнением) в следующих слоях. " - так и получается. Слои которые у нас идут после свёрточных каскадов - обычный полносвязный слои и выполняет сравнение того, что получилось при разных свёртках. "Если пойти дальше то само сверточное ядро также можно сделать подбираемым коэффициентом нейросети))" именно так оно и работает. Обратите внимание, что в коде, когда мы добавляли к сети свёрточный слой, мы просто указали размер свёртки. Мы не указывали какие числа входят в ядро свёртки, сеть определит это сама. На слое, где мы указали 32 свёртки, сеть подберёт 32 разных свёртки.

[@steelrat7678]

@@avt.global спасибо за ответ. А про применение сверточных сетей к анализу временных рядов можете рассказать? Спасибо!

[@avt.global]

@@steelrat7678 Тут скажу, что нужны рекуррентные сети. При анализе временных рядов, полезно запоминать информацию о предыдущем моменте - рекуррентные сети это умеют.

[@drobokracich3532]

тут минимум пропаганды и максимум полезной информации: Горячее лето-2020: то потоп, то засуха. Ученые обещают планете новый рекорд tinyurl.com/y3o4x9eq

[@drobokracich3532]

тут минимум пропаганды и максимум полезной информации: Горячее лето-2020: то потоп, то засуха. Ученые обещают планете новый рекорд tinyurl.com/y3o4x9eq

[@QuranShorts1112]

Привет, проблема такая, код запуска нейронной сети такой же как у тебя, но запускается - и ничего не выводит, даже ошибок нет, мне говорили, что из-за старой версии ТФ, в общем, помоги пж !

[@avt.global]

Добрый день! По такому скромному описанию, тяжело помочь. Вот тут, можно задать вопросы, показать код, получить ответы и помощь: discord.gg/VUjTQhc Это сервер в Discord, там есть текстовый канал: "вопросы по видеокурсу".