ចំណាត់ថ្នាក់នៃគំនូរដែលសរសេរដោយដៃ។ រាយការណ៍នៅក្នុង Yandex

កាលពីប៉ុន្មានខែមុន សហការីរបស់យើងមកពី Google បានចំណាយ on Kaggle ការប្រកួតប្រជែងមួយដើម្បីបង្កើតចំណាត់ថ្នាក់សម្រាប់រូបភាពដែលទទួលបានក្នុងអារម្មណ៍ ល្បែង។ "ការ​ចាប់​ឆ្នោត​រហ័ស!" ក្រុមដែលរួមបញ្ចូលទាំងអ្នកអភិវឌ្ឍន៍ Yandex Roman Vlasov បានជាប់ចំណាត់ថ្នាក់ទី XNUMX នៅក្នុងការប្រកួត។ នៅឯការហ្វឹកហ្វឺនរៀនម៉ាស៊ីនខែមករា រ៉ូម៉ាំងបានចែករំលែកគំនិតរបស់ក្រុមរបស់គាត់ ការអនុវត្តចុងក្រោយនៃអ្នកចាត់ថ្នាក់ និងការអនុវត្តគួរឱ្យចាប់អារម្មណ៍របស់គូប្រជែងរបស់គាត់។

- សួស្តី​អ្នក​ទាំងអស់គ្នា! ខ្ញុំឈ្មោះ Roma Vlasov ថ្ងៃនេះខ្ញុំនឹងប្រាប់អ្នកអំពី Quick, Draw! ការប្រកួតប្រជែងការទទួលស្គាល់ Doodle ។



មានមនុស្សប្រាំនាក់នៅក្នុងក្រុមរបស់យើង។ ខ្ញុំ​បាន​ចូល​រួម​នៅ​មុន​ពេល​កំណត់​បញ្ចូល​គ្នា។ យើង​មិន​សំណាង​ទេ យើង​រង្គោះរង្គើ​បន្តិច ប៉ុន្តែ​យើង​ត្រូវ​រង្គោះរង្គើ​ពី​តំណែង​លុយ ហើយ​គេ​ក៏​រង្គោះរង្គើ​ពី​តំណែង​មាស។ ហើយ​យើង​បាន​ជាប់​ចំណាត់​ថ្នាក់​ទី​បួន​ដ៏​គួរ​ឲ្យ​គោរព។

(ក្នុងអំឡុងពេលនៃការប្រកួតប្រជែង ក្រុមបានសង្កេតឃើញខ្លួនឯងនៅក្នុងការវាយតម្លៃ ដែលត្រូវបានបង្កើតឡើងដោយផ្អែកលើលទ្ធផលដែលបានបង្ហាញនៅលើផ្នែកមួយនៃសំណុំទិន្នន័យដែលបានស្នើ។ ការវាយតម្លៃចុងក្រោយត្រូវបានបង្កើតឡើងនៅលើផ្នែកផ្សេងទៀតនៃសំណុំទិន្នន័យ។ នេះត្រូវបានធ្វើដូច្នេះ។ ដែលអ្នកចូលរួមក្នុងការប្រកួតប្រជែងមិនកែសម្រួលក្បួនដោះស្រាយរបស់ពួកគេទៅនឹងទិន្នន័យជាក់លាក់។ ដូច្នេះហើយ នៅវគ្គផ្តាច់ព្រ័ត្រ នៅពេលប្តូររវាងការវាយតម្លៃ មុខតំណែងរង្គោះរង្គើបន្តិច (ពីភាសាអង់គ្លេស ញ័រឡើង - ដើម្បីលាយ): នៅលើទិន្នន័យផ្សេងទៀត លទ្ធផលអាចនឹងចេញ ខុសប្លែកពីគេ។ ក្រុមរបស់រ៉ូម៉ាំងគឺទីមួយនៅក្នុងក្រុមកំពូលទាំងបី។ ក្នុងករណីនេះ កំពូលទាំងបីគឺប្រាក់ តំបន់វាយតម្លៃរូបិយវត្ថុ ព្រោះមានតែបីកន្លែងដំបូងប៉ុណ្ណោះដែលបានទទួលរង្វាន់ជាសាច់ប្រាក់។ បន្ទាប់ពីមានការរង្គោះរង្គើ ក្រុមការងារបានចូល ចំណាត់ថ្នាក់ទីបួន។ ដូចគ្នាដែរ ក្រុមផ្សេងទៀតបានបាត់បង់ជ័យជំនះ តំណែងមាស។ - Ed ។ )

ការប្រកួតប្រជែងក៏សំខាន់ផងដែរដែល Evgeniy Babakhnin ទទួលបានចៅហ្វាយនាយ Ivan Sosin បានទទួលចៅហ្វាយ Roman Soloviev នៅតែជាចៅហ្វាយនាយ Alex Parinov បានទទួលចៅហ្វាយខ្ញុំបានក្លាយជាអ្នកជំនាញហើយឥឡូវនេះខ្ញុំជាម្ចាស់រួចហើយ។

តើ Quick, Draw នេះជាអ្វី? នេះគឺជាសេវាកម្មពី Google ។ Google មានគោលដៅធ្វើឱ្យ AI ពេញនិយម ហើយជាមួយនឹងសេវាកម្មនេះចង់បង្ហាញពីរបៀបដែលបណ្តាញសរសៃប្រសាទដំណើរការ។ អ្នក​ទៅ​ទីនោះ ចុច​តោះ​គូរ ហើយ​ទំព័រ​ថ្មី​នឹង​លេច​ឡើង​ដែល​អ្នក​ត្រូវ​បាន​គេ​ប្រាប់៖ គូរ zigzag អ្នក​មាន​ពេល 20 វិនាទី​ដើម្បី​ធ្វើ​វា។ អ្នកកំពុងព្យាយាមគូរ zigzag ក្នុងរយៈពេល 20 វិនាទី ដូចនៅទីនេះឧទាហរណ៍។ ប្រសិនបើអ្នកជោគជ័យ បណ្តាញនិយាយថាវាជា zigzag ហើយអ្នកបន្តទៅមុខទៀត។ រូប​បែប​នេះ​មាន​តែ​ប្រាំមួយ​ប៉ុណ្ណោះ។

ប្រសិនបើបណ្តាញរបស់ Google បរាជ័យក្នុងការទទួលស្គាល់អ្វីដែលអ្នកគូរ ឈើឆ្កាងត្រូវបានដាក់នៅលើកិច្ចការ។ ពេលក្រោយខ្ញុំនឹងប្រាប់អ្នកពីអត្ថន័យនាពេលអនាគតថាតើគំនូរត្រូវបានទទួលស្គាល់ដោយបណ្តាញឬអត់។

សេវាកម្មនេះបានប្រមូលផ្តុំអ្នកប្រើប្រាស់យ៉ាងច្រើន ហើយរូបភាពទាំងអស់ដែលអ្នកប្រើប្រាស់បានគូរត្រូវបានកត់ត្រាទុក។

យើងអាចប្រមូលរូបភាពបានជិត 50 លាន។ ពីនេះ រថភ្លើង និងកាលបរិច្ឆេទសាកល្បងសម្រាប់ការប្រកួតប្រជែងរបស់យើងត្រូវបានបង្កើតឡើង។ ដោយវិធីនេះ ចំនួនទិន្នន័យនៅក្នុងការធ្វើតេស្ត និងចំនួនថ្នាក់ត្រូវបានគូសបញ្ជាក់ជាដិតសម្រាប់ហេតុផលមួយ។ ខ្ញុំនឹងប្រាប់អ្នកអំពីពួកគេបន្តិចក្រោយមក។

ទ្រង់ទ្រាយទិន្នន័យមានដូចខាងក្រោម។ ទាំងនេះមិនមែនគ្រាន់តែជារូបភាព RGB ប៉ុណ្ណោះទេ ប៉ុន្តែបើនិយាយដោយប្រយោល កំណត់ហេតុនៃអ្វីគ្រប់យ៉ាងដែលអ្នកប្រើប្រាស់បានធ្វើ។ Word គឺជាគោលដៅរបស់យើង លេខកូដប្រទេសគឺជាកន្លែងដែលអ្នកនិពន្ធ doodle មកពី ត្រាពេលវេលាគឺជាពេលវេលា។ ស្លាកដែលបានទទួលស្គាល់គ្រាន់តែបង្ហាញថាតើបណ្តាញនេះបានទទួលស្គាល់រូបភាពពី Google ឬអត់។ ហើយ​គំនូរ​ខ្លួន​វា​គឺ​ជា​លំដាប់​ដែល​ប្រហាក់ប្រហែល​នៃ​ខ្សែ​កោង​ដែល​អ្នក​ប្រើ​គូរ​ដោយ​ពិន្ទុ។ និងពេលវេលា។ នេះ​ជា​ពេល​វេលា​ចាប់​ពី​ពេល​ចាប់​ផ្ដើម​គូរ​រូប។

ទិន្នន័យត្រូវបានបង្ហាញជាពីរទម្រង់។ នេះគឺជាទម្រង់ទីមួយ ហើយទីពីរគឺសាមញ្ញ។ ពួកគេបានកាត់ពេលវេលាចេញពីទីនោះ ហើយបានប៉ាន់ស្មានចំណុចនេះជាមួយនឹងសំណុំពិន្ទុតូចជាង។ សម្រាប់ការនេះពួកគេបានប្រើ ក្បួនដោះស្រាយ Douglas-Pecker. អ្នក​មាន​ចំណុច​ធំ​មួយ​ដែល​គ្រាន់​តែ​ប្រហាក់​ប្រហែល​បន្ទាត់​ត្រង់ ប៉ុន្តែ​តាម​ពិត​អ្នក​អាច​ប៉ាន់​ប្រមាណ​បន្ទាត់​នេះ​ដោយ​គ្រាន់​តែ​ពីរ​ពិន្ទុ។ នេះគឺជាគំនិតនៃក្បួនដោះស្រាយ។

ទិន្នន័យត្រូវបានចែកចាយដូចខាងក្រោម។ គ្រប់​យ៉ាង​គឺ​ជា​ឯកសណ្ឋាន ប៉ុន្តែ​វា​មាន​លក្ខណៈ​ខុស​គ្នា​ខ្លះ​។ នៅពេលដែលយើងដោះស្រាយបញ្ហា យើងមិនបានមើលវាទេ។ រឿងចំបងគឺថាមិនមានថ្នាក់ណាដែលមានចំនួនតិចនោះទេ យើងមិនចាំបាច់ធ្វើគំរូទម្ងន់ និងការធ្វើគំរូទិន្នន័យលើសនោះទេ។

តើ​រូបភាព​មាន​រូបរាង​យ៉ាង​ណា? នេះគឺជាថ្នាក់ "យន្តហោះ" និងឧទាហរណ៍ពីវាជាមួយនឹងស្លាកដែលទទួលស្គាល់ និងមិនទទួលស្គាល់។ សមាមាត្ររបស់ពួកគេគឺនៅកន្លែងណាមួយនៅជុំវិញ 1 ដល់ 9 ។ ដូចដែលអ្នកអាចឃើញ ទិន្នន័យគឺពិតជាគ្មានសំឡេង។ ខ្ញុំគិតថាវាជាយន្តហោះ។ ប្រសិនបើអ្នកក្រឡេកមើលមិនទទួលស្គាល់ក្នុងករណីភាគច្រើនវាគ្រាន់តែជាសំលេងរំខានប៉ុណ្ណោះ។ មាននរណាម្នាក់ថែមទាំងព្យាយាមសរសេរ "យន្តហោះ" ប៉ុន្តែជាក់ស្តែងជាភាសាបារាំង។

អ្នកចូលរួមភាគច្រើនគ្រាន់តែយកក្រឡាចត្រង្គ ទាញទិន្នន័យពីលំដាប់នៃបន្ទាត់នេះជារូបភាព RGB ហើយបោះវាទៅក្នុងបណ្តាញ។ ខ្ញុំបានគូរតាមរបៀបដូចគ្នា៖ ខ្ញុំបានយកក្ដារលាយពណ៌មួយ គូរជួរទីមួយជាមួយនឹងពណ៌មួយ ដែលនៅដើមក្ដារលាយនេះ បន្ទាត់ចុងក្រោយជាមួយមួយទៀត ដែលនៅចុងបញ្ចប់នៃក្ដារលាយ និងរវាងពួកវា។ ខ្ញុំបានលាយឡំគ្រប់ទីកន្លែងដោយប្រើក្ដារលាយនេះ។ និយាយអីញ្ចឹង នេះផ្តល់លទ្ធផលល្អជាងប្រសិនបើអ្នកគូរដូចនៅលើស្លាយដំបូង - គ្រាន់តែពណ៌ខ្មៅប៉ុណ្ណោះ។

សមាជិកក្រុមផ្សេងទៀតដូចជា Ivan Sosin បានព្យាយាមវិធីសាស្រ្តផ្សេងគ្នាបន្តិចក្នុងការគូរ។ ជាមួយនឹងឆានែលមួយគាត់គ្រាន់តែគូររូបភាពពណ៌ប្រផេះ ជាមួយនឹងឆានែលមួយទៀតគាត់បានគូរគំនូរនីមួយៗដោយជម្រាលពីដើមដល់ចប់ ពី 32 ដល់ 255 ហើយជាមួយនឹងឆានែលទីបីគាត់បានគូរជម្រាលលើគ្រប់ជំងឺដាច់សរសៃឈាមខួរក្បាលពី 32 ទៅ 255 ។

អ្វី​ដែល​គួរ​ឱ្យ​ចាប់​អារម្មណ៍​មួយ​ទៀត​គឺ Alex Parinov បាន​បង្ហោះ​ព័ត៌មាន​ទៅ​កាន់​បណ្ដាញ​ដោយ​ប្រើ​កូដ​ប្រទេស។

ម៉ែត្រដែលប្រើក្នុងការប្រកួតប្រជែងគឺ Mean Average Precision។ តើអ្វីជាខ្លឹមសារនៃម៉ែត្រនេះសម្រាប់ការប្រកួតប្រជែង? អ្នកអាចផ្តល់ឱ្យ predic បីហើយប្រសិនបើមិនមាន predic ត្រឹមត្រូវនៅក្នុងបីនេះទេនោះអ្នកទទួលបាន 0 ។ ប្រសិនបើមានមួយត្រឹមត្រូវនោះលំដាប់របស់វាត្រូវបានយកទៅក្នុងគណនី។ ហើយលទ្ធផលគោលដៅនឹងត្រូវបានរាប់ជា 1 ចែកតាមលំដាប់នៃការទស្សន៍ទាយរបស់អ្នក។ ឧទាហរណ៍ អ្នកបានទាយលេខបី ហើយលេខដែលត្រឹមត្រូវគឺលេខមួយ បន្ទាប់មកអ្នកចែក 1 គុណនឹង 1 ហើយទទួលបាន 1។ ប្រសិនបើការទស្សន៍ទាយត្រឹមត្រូវ ហើយលំដាប់របស់វាគឺ 2 បន្ទាប់មកចែក 1 គុណនឹង 2 អ្នកនឹងទទួលបាន 0,5។ អញ្ចឹង។ល។

ជាមួយនឹងការដំណើរការទិន្នន័យជាមុន - របៀបគូររូបភាពនិងអ្វីៗផ្សេងទៀត - យើងបានសម្រេចចិត្តបន្តិចបន្តួច។ តើយើងប្រើស្ថាបត្យកម្មអ្វីខ្លះ? យើងបានព្យាយាមប្រើស្ថាបត្យកម្មខ្លាញ់ដូចជា PNASNet, SENet និងស្ថាបត្យកម្មបុរាណដូចជា SE-Res-NeXt ពួកគេកំពុងចូលទៅក្នុងការប្រកួតប្រជែងថ្មីៗកាន់តែខ្លាំងឡើង។ ក៏មាន ResNet និង DenseNet ផងដែរ។

តើយើងបង្រៀនរឿងនេះដោយរបៀបណា? ម៉ូដែលទាំងអស់ដែលយើងបានយកគឺត្រូវបានបណ្តុះបណ្តាលជាមុននៅលើ imagenet ។ ទោះបីជាមានទិន្នន័យច្រើន 50 លានរូបភាព ប៉ុន្តែនៅតែប្រសិនបើអ្នកយកបណ្តាញដែលបានបណ្តុះបណ្តាលជាមុននៅលើ imagenet វាបង្ហាញលទ្ធផលល្អប្រសើរជាងប្រសិនបើអ្នកគ្រាន់តែហ្វឹកហាត់វាពីដំបូង។

តើយើងប្រើបច្ចេកទេសបង្រៀនអ្វីខ្លះ? នេះគឺជា Cosing Annealing ជាមួយនឹងការចាប់ផ្តើមឡើងវិញយ៉ាងកក់ក្តៅ ដែលខ្ញុំនឹងនិយាយនៅពេលក្រោយបន្តិច។ នេះគឺជាបច្ចេកទេសដែលខ្ញុំប្រើនៅក្នុងការប្រកួតថ្មីៗរបស់ខ្ញុំស្ទើរតែទាំងអស់ ហើយជាមួយពួកគេ វាប្រែចេញដើម្បីហ្វឹកហាត់ក្រឡាចត្រង្គបានយ៉ាងល្អ ដើម្បីសម្រេចបានអប្បបរមាដ៏ល្អ។

បន្ទាប់កាត់បន្ថយអត្រាសិក្សានៅលើខ្ពង់រាប។ អ្នកចាប់ផ្តើមបណ្តុះបណ្តាលបណ្តាញ កំណត់អត្រាសិក្សាជាក់លាក់មួយ បន្តបង្រៀនវា ហើយការបាត់បង់របស់អ្នកបន្តិចម្តង ៗ ប្រែទៅជាតម្លៃជាក់លាក់មួយ។ អ្នកពិនិត្យមើលនេះជាឧទាហរណ៍ សម្រាប់ដប់សម័យកាល ការបាត់បង់មិនបានផ្លាស់ប្តូរទាល់តែសោះ។ អ្នកកាត់បន្ថយអត្រាសិក្សារបស់អ្នកដោយតម្លៃមួយចំនួន ហើយបន្តការរៀនសូត្រ។ វាធ្លាក់ចុះបន្តិចម្ដងទៀត បង្រួបបង្រួមអប្បបរមាខ្លះ ហើយអ្នកម្តងទៀតបន្ថយអត្រាសិក្សា ហើយបន្តរហូតដល់បណ្តាញរបស់អ្នកបញ្ចូលគ្នា។

បន្ទាប់គឺជាបច្ចេកទេសគួរឱ្យចាប់អារម្មណ៍មួយ: កុំធ្វើឱ្យអត្រាសិក្សាកើនឡើង បង្កើនទំហំបាច់។ មានអត្ថបទមួយដែលមានឈ្មោះដូចគ្នា។ នៅពេលអ្នកបណ្តុះបណ្តាលបណ្តាញ អ្នកមិនចាំបាច់កាត់បន្ថយអត្រាសិក្សានោះទេ អ្នកអាចបង្កើនទំហំបាច់។

ដោយវិធីនេះបច្ចេកទេសនេះត្រូវបានប្រើដោយ Alex Parinov ។ គាត់បានចាប់ផ្តើមជាមួយនឹងបាច់ស្មើនឹង 408 ហើយនៅពេលដែលបណ្តាញរបស់គាត់ទៅដល់ខ្ពង់រាបមួយចំនួន គាត់គ្រាន់តែបង្កើនទំហំបាច់ទ្វេដង។ល។

តាមពិតទៅ ខ្ញុំមិនចាំថាទំហំបាច់របស់គាត់ឈានដល់តម្លៃប៉ុន្មានទេ ប៉ុន្តែអ្វីដែលគួរឱ្យចាប់អារម្មណ៍នោះគឺថាមានក្រុមនៅលើ Kaggle ដែលប្រើបច្ចេកទេសដូចគ្នា ទំហំបាច់របស់ពួកគេគឺប្រហែល 10000 ។ និយាយអញ្ចឹង ក្របខ័ណ្ឌទំនើបសម្រាប់ការរៀនសូត្រស៊ីជម្រៅ ដូចជា ជាឧទាហរណ៍ PyTorch អនុញ្ញាតឱ្យអ្នកធ្វើយ៉ាងងាយស្រួល។ អ្នកបង្កើតបណ្តុំរបស់អ្នក ហើយបញ្ជូនវាទៅបណ្តាញមិនដូចវាទាំងស្រុងនោះទេ ប៉ុន្តែចែកវាទៅជាកំណាត់ដើម្បីឱ្យវាសមនឹងកាតវីដេអូរបស់អ្នក គណនាជម្រាល ហើយបន្ទាប់ពីអ្នកបានគណនាជម្រាលសម្រាប់បាច់ទាំងមូល សូមធ្វើបច្ចុប្បន្នភាព ទម្ងន់។

ដោយវិធីនេះ ទំហំបណ្តុំធំនៅតែត្រូវបានរួមបញ្ចូលនៅក្នុងការប្រកួតប្រជែងនេះ ពីព្រោះទិន្នន័យមានសម្លេងរំខានខ្លាំង ហើយទំហំបាច់ធំជួយអ្នកក្នុងការប៉ាន់ប្រមាណពណ៌ជម្រាលកាន់តែត្រឹមត្រូវ។

Pseudo-labeling ក៏ត្រូវបានគេប្រើផងដែរ ដែលភាគច្រើនប្រើដោយ Roman Soloviev ។ គាត់​បាន​យក​គំរូ​ទិន្នន័យ​ប្រហែល​ពាក់​កណ្តាល​ពី​ការ​ធ្វើ​តេស្ត​ជា​បណ្តុំ ហើយ​បាន​បណ្តុះបណ្តាល​ក្រឡាចត្រង្គ​លើ​បណ្តុំ​បែបនេះ។

ទំហំរូបភាពមានសារៈសំខាន់ ប៉ុន្តែការពិតគឺថា អ្នកមានទិន្នន័យច្រើន អ្នកត្រូវហ្វឹកហាត់រយៈពេលយូរ ហើយប្រសិនបើទំហំរូបភាពរបស់អ្នកធំខ្លាំង នោះអ្នកនឹងហ្វឹកហាត់រយៈពេលយូរ។ ប៉ុន្តែនេះមិនបានបន្ថែមច្រើនដល់គុណភាពនៃអ្នកចាត់ថ្នាក់ចុងក្រោយរបស់អ្នកទេ ដូច្នេះវាមានតម្លៃក្នុងការប្រើប្រភេទនៃការដោះដូរមួយចំនួន។ ហើយ​យើង​បាន​សាកល្បង​តែ​រូបភាព​ដែល​មិន​មាន​ទំហំ​ធំ​ពេក​។

តើ​វា​បាន​រៀន​ដោយ​របៀប​ណា? ដំបូង រូបភាពតូចត្រូវបានថត សម័យជាច្រើនត្រូវបានដំណើរការលើពួកវា វាចំណាយពេលច្រើនណាស់។ បន្ទាប់មករូបភាពដែលមានទំហំធំត្រូវបានផ្តល់ឱ្យ បណ្តាញត្រូវបានបណ្តុះបណ្តាល បន្ទាប់មកកាន់តែច្រើន សូម្បីតែច្រើនទៀត ដើម្បីកុំឱ្យហ្វឹកហាត់វាពីទទេ ហើយមិនខ្ជះខ្ជាយពេលវេលាច្រើន។

អំពីឧបករណ៍បង្កើនប្រសិទ្ធភាព។ យើងបានប្រើ SGD និង Adam ។ តាមរបៀបនេះ វាអាចទទួលបានគំរូតែមួយ ដែលផ្តល់ល្បឿន 0,941-0,946 នៅលើតារាងពិន្ទុសាធារណៈ ដែលពិតជាល្អណាស់។

ប្រសិនបើអ្នកប្រមូលផ្តុំម៉ូដែលតាមរបៀបណាមួយ អ្នកនឹងទទួលបានកន្លែងណាមួយនៅជុំវិញ 0,951។ ប្រសិនបើអ្នកប្រើបច្ចេកទេសមួយទៀត អ្នកនឹងទទួលបានពិន្ទុចុងក្រោយ 0,954 នៅលើក្តារសាធារណៈ ដូចយើងទទួលបានដែរ។ ប៉ុន្តែនៅពេលក្រោយទៀត។ បន្ទាប់ខ្ញុំនឹងប្រាប់អ្នកពីរបៀបដែលយើងប្រមូលផ្តុំម៉ូដែល និងរបៀបដែលយើងអាចគ្រប់គ្រងដើម្បីសម្រេចបាននូវល្បឿនចុងក្រោយបែបនេះ។

បន្ទាប់ខ្ញុំចង់និយាយអំពី Cosing Annealing ជាមួយនឹងការចាប់ផ្តើមឡើងវិញដោយកក់ក្តៅ ឬ Stochastic Gradient Descent ជាមួយនឹងការចាប់ផ្តើមឡើងវិញយ៉ាងកក់ក្តៅ។ និយាយជាគោលការណ៍ អ្នកអាចប្រើកម្មវិធីបង្កើនប្រសិទ្ធភាពណាមួយ ប៉ុន្តែចំណុចគឺនេះ៖ ប្រសិនបើអ្នកគ្រាន់តែបង្ហាត់បណ្តាញមួយ ហើយបន្តិចម្តងៗវាបង្រួបបង្រួមដល់កម្រិតអប្បបរមា នោះអ្វីៗទាំងអស់គឺមិនអីទេ អ្នកនឹងទទួលបានបណ្តាញមួយ វាធ្វើឱ្យមានកំហុសមួយចំនួន ប៉ុន្តែអ្នក អាចបង្វឹកវាខុសគ្នាបន្តិចបន្តួច។ អ្នក​នឹង​កំណត់​អត្រា​រៀន​ដំបូង​ខ្លះ ហើយ​បន្ទាប​បន្តិច​ម្ដងៗ​តាម​រូបមន្ត​នេះ។ អ្នកបន្ថយវា បណ្តាញរបស់អ្នកមកដល់កម្រិតអប្បបរមា បន្ទាប់មកអ្នកសន្សំទម្ងន់ ហើយម្តងទៀតកំណត់អត្រាសិក្សាដែលនៅដើមដំបូងនៃការបណ្តុះបណ្តាល ដោយហេតុនេះឡើងដល់កន្លែងណាមួយចាប់ពីអប្បបរមានេះ ហើយម្តងទៀតបន្ថយអត្រាសិក្សារបស់អ្នក។

ដូច្នេះ អ្នកអាចចូលមើលអប្បបរមាជាច្រើនក្នុងពេលតែមួយ ដែលការបាត់បង់របស់អ្នកនឹងមាន បូក ឬដកដូចគ្នា។ ប៉ុន្តែការពិតគឺថាបណ្តាញដែលមានទម្ងន់ទាំងនេះនឹងផ្តល់កំហុសខុសៗគ្នានៅថ្ងៃរបស់អ្នក។ ដោយជាមធ្យមពួកវា អ្នកនឹងទទួលបានប្រភេទប្រហាក់ប្រហែល ហើយល្បឿនរបស់អ្នកនឹងខ្ពស់ជាង។

អំពីរបៀបដែលយើងប្រមូលផ្តុំគំរូរបស់យើង។ នៅដើមដំបូងនៃបទបង្ហាញ ខ្ញុំបាននិយាយថាត្រូវយកចិត្តទុកដាក់លើចំនួនទិន្នន័យក្នុងការធ្វើតេស្ត និងចំនួនថ្នាក់។ ប្រសិនបើអ្នកបន្ថែម 1 ទៅនឹងចំនួនគោលដៅក្នុងការធ្វើតេស្តដែលបានកំណត់ ហើយបែងចែកដោយចំនួនថ្នាក់ អ្នកនឹងទទួលបានលេខ 330 ហើយនេះត្រូវបានសរសេរនៅលើវេទិកា - ថាថ្នាក់នៅក្នុងការធ្វើតេស្តមានតុល្យភាព។ នេះអាចត្រូវបានប្រើ។

ដោយផ្អែកលើនេះ រ៉ូម៉ាំង សូឡូវីវ បានបង្កើតជាម៉ែត្រមួយ យើងបានហៅវាថា ពិន្ទុប្រូកស៊ី ដែលទាក់ទងយ៉ាងល្អជាមួយតារាងពិន្ទុ។ ចំនុចនោះគឺ៖ អ្នកធ្វើការទស្សន៍ទាយ យកកំពូល 1 នៃអ្នកទស្សន៍ទាយរបស់អ្នក ហើយរាប់ចំនួនវត្ថុសម្រាប់ថ្នាក់នីមួយៗ។ បន្ទាប់មក ដក 330 ចេញពីតម្លៃនីមួយៗ ហើយបន្ថែមតម្លៃដាច់ខាតលទ្ធផល។

តម្លៃខាងក្រោមត្រូវបានទទួល។ វាបានជួយយើងមិនឱ្យបង្កើតតារាងពិន្ទុដែលធ្វើការសាកល្បងទេ ប៉ុន្តែដើម្បីធ្វើឱ្យមានសុពលភាពក្នុងតំបន់ និងជ្រើសរើសមេគុណសម្រាប់ក្រុមរបស់យើង។

ជាមួយនឹងក្រុមមួយ អ្នកអាចទទួលបានល្បឿនបែបនេះ។ តើខ្ញុំអាចធ្វើអ្វីទៀត? ឧបមាថាអ្នកបានប្រើព័ត៌មានដែលថ្នាក់នៅក្នុងការធ្វើតេស្តរបស់អ្នកមានតុល្យភាព។

តុល្យភាពគឺខុសគ្នា។ ឧទាហរណ៍មួយនៃពួកគេ។ - តុល្យភាពពីបុរសដែលបានទទួលតំណែងដំបូង។

តើយើងបានធ្វើអ្វី? តុល្យភាពរបស់យើងគឺសាមញ្ញណាស់ វាត្រូវបានណែនាំដោយ Evgeny Babakhnin។ យើងបានតម្រៀបការទស្សន៍ទាយរបស់យើងតាមកំពូល 1 ហើយជ្រើសរើសបេក្ខជនពីពួកគេ ដូច្នេះចំនួនថ្នាក់មិនលើសពី 330 ។ ប៉ុន្តែសម្រាប់ថ្នាក់ខ្លះ អ្នកបញ្ចប់ដោយអ្នកទស្សន៍ទាយតិចជាង 330 ។ អូខេ តោះតម្រៀបតាមកំពូល 2 និងកំពូល 3 ហើយយើងនឹងជ្រើសរើសបេក្ខជនផងដែរ។

តើ​តុល្យភាព​របស់​យើង​មាន​ភាព​ខុស​គ្នា​យ៉ាង​ណា​ពី​តុល្យភាព​នៅ​កន្លែង​ដំបូង? ពួកគេបានប្រើវិធីសាស្រ្តដដែលៗ ដោយយកថ្នាក់ដែលពេញនិយមបំផុត និងកាត់បន្ថយប្រូបាប៊ីលីតេសម្រាប់ថ្នាក់នោះដោយចំនួនតិចតួច រហូតដល់ថ្នាក់នោះលែងពេញនិយមបំផុត។ យើងបានយកថ្នាក់ពេញនិយមបំផុតបន្ទាប់។ ដូច្នេះ​ពួកគេ​បាន​បន្ត​បន្ទាប​ពួកគេ​រហូត​ដល់​ចំនួន​ថ្នាក់​ទាំងអស់​បាន​ស្មើគ្នា។

មនុស្សគ្រប់គ្នាបានប្រើវិធីសាស្រ្តបូក ឬដកមួយ ដើម្បីបណ្តុះបណ្តាលបណ្តាញ ប៉ុន្តែមិនមែនគ្រប់គ្នាប្រើតុល្យភាពទេ។ ដោយប្រើតុល្យភាព អ្នកអាចចូលទៅក្នុងមាស ហើយប្រសិនបើអ្នកមានសំណាង បន្ទាប់មកចូលទៅក្នុងលុយ។

តើធ្វើដូចម្តេចដើម្បីដំណើរការកាលបរិច្ឆេទជាមុន? មនុស្សគ្រប់គ្នាបានដំណើរការកាលបរិច្ឆេទ បូក ឬដក តាមរបៀបដូចគ្នា - បង្កើតមុខងារធ្វើដោយដៃ ព្យាយាមអ៊ិនកូដពេលវេលាជាមួយនឹងពណ៌ដាច់សរសៃឈាមខួរក្បាលផ្សេងៗ។

គាត់បានធ្វើវាខុសគ្នា។ គាត់បាននិយាយថា មុខងារធ្វើដោយដៃទាំងអស់នេះរបស់អ្នកមិនដំណើរការទេ អ្នកមិនចាំបាច់ធ្វើវាទេ បណ្តាញរបស់អ្នកគួររៀនទាំងអស់នេះដោយខ្លួនឯង។ ហើយជំនួសមកវិញ គាត់បានបង្កើតម៉ូឌុលសិក្សាដែលដំណើរការទិន្នន័យរបស់អ្នកជាមុន។ គាត់បានបោះទិន្នន័យដើមទៅក្នុងពួកគេដោយមិនដំណើរការជាមុន - ចំណុចកូអរដោណេ និងពេលវេលា។

បន្ទាប់មកគាត់បានយកភាពខុសគ្នាដោយផ្អែកលើកូអរដោណេ ហើយជាមធ្យមវាទាំងអស់ដោយផ្អែកលើពេលវេលា។ ហើយគាត់បានមកជាមួយម៉ាទ្រីសវែងជាង។ គាត់បានអនុវត្ត 1D convolution ទៅវាច្រើនដងដើម្បីទទួលបានម៉ាទ្រីសទំហំ 64xn ដែល n ជាចំនួនសរុបនៃពិន្ទុ ហើយ 64 ត្រូវបានធ្វើឡើងក្នុងគោលបំណងដើម្បីចិញ្ចឹមម៉ាទ្រីសលទ្ធផលទៅស្រទាប់នៃបណ្តាញ convolutional ដែលទទួលយកចំនួនឆានែល។ - 64. គាត់ទទួលបានម៉ាទ្រីស 64xn បន្ទាប់មកពីនេះវាចាំបាច់ដើម្បីបង្កើត tensor នៃទំហំមួយចំនួនដើម្បីឱ្យចំនួនឆានែលគឺស្មើនឹង 64 ។ គាត់ធ្វើឱ្យមានចំនុចធម្មតាទាំងអស់ X, Y ក្នុងចន្លោះពី 0 ដល់ 32 ដើម្បីបង្កើត tensor ទំហំ 32x32. ខ្ញុំ​មិន​ដឹង​ថា​ហេតុ​អ្វី​បាន​ជា​គាត់​ចង់​បាន 32x32 វា​ទើប​តែ​កើត​ឡើង​បែប​នោះ។ ហើយនៅឯកូអរដោនេនេះគាត់បានដាក់បំណែកនៃម៉ាទ្រីសនេះដែលមានទំហំ 64xn ។ ដូច្នេះវាទើបតែបញ្ចប់ជាមួយនឹង tensor 32x32x64 ដែលអ្នកអាចដាក់បន្ថែមទៅក្នុងបណ្តាញសរសៃប្រសាទ convolutional របស់អ្នក។ នោះហើយជាអ្វីដែលខ្ញុំចង់និយាយ។

ប្រភព: www.habr.com