adkuba
commented
4 years ago Mózg człowieka:
- Visual cortex ma 140 milionów neuronów w danej półkuli,
- Oko ma 6-7 milionów receptorów odbierających kolor, dzielą się na 3 rodzaje, rozróżniające 3 kolory. 6mil / 3 = 2mil "pikseli"; to jest obrazek 1414x1414. Dodatkowo są 92 miliony receptorów nie rozróżniających kolory to odpowiada obrazkowi 9591x9591 (nie dzielę przez 3).
Część struktury mózgu: V1 -> V2, V3, V5 V2 -> V3, V5 V3 -> V5 V5 -> OUT
V1 - podstawowe informacje jak np krawędzie V2 - podstawowe informacje cd - kolor, schematy + pamięć/zapamiętywanie V3 - informacje o ruchu V5 - końcowe przetworzenie
Linki:
- config
- resnet w tym artykule bardziej jest o synchronicznym uczeniu ale ta struktura tam występuje
- motion perception
- visual cortex
Wnioski: memory_size=256 (nie wiem czemu tyle dalem) vis_encoder_type=resnet num_layers=2 (dwie pośrednie warstwy) hidden_units=256 (po 256 neuronów)
Co można zrobić po tym: Zwiększyć wielkość/ilość pośrednich warstw.
Przeanalizować wyniki pierwszego ucznia, 3mln kroków min? Czy zrobić 2 wersję z bardziej rozbudowaną strukturą czy już jest ok?