Я очень новичок в нейронной сети, но для моего проекта они, похоже, подходят. Приложение должно запускаться на Android-телефоне в конце. Моя идея - использовать TenserFlow, но я не уверен, что он подходит.Повторное использование нейронной сети
У меня есть следующая ситуация, Мой ввод - это набор изображений (порядок их не должен оказывать никакого влияния на выход). Размер Set не фиксирован, но в большинстве случаев ниже 10. Мой вывод для всего набора - это просто двоичная категоризация (Pass/Fail).
У меня будет свернутая нейронная сеть, которая вычисляет два выхода, вес и значение пропуска/отказа. Каждое изображение передается отдельно этому CNN, полученные значения затем агрегируются в окончательное значение pass/fail, используя взвешенное среднее арифметическое.
Мой вопрос: могу ли я обучить такую сеть TensorFlow?
У меня нет значений для выходов CNN в моих данных обучения, но только выходы после агрегации. Возможно ли это вообще с градиентной ориентированной структурой или мне нужно использовать алгоритм Genetic Algorithm для этого.
Исходя из разумных прокси, это будет не так просто. Я сомневаюсь, что использование ярлыков будет работать, потому что некоторые изображения будут очень важны для конечного результата, а некоторые - едва ли. Я думаю, что я немного прочитаю о подходах с генетическими алгоритмами, которые могут быть полезны для моей проблемы. –
Я не уверен, что выбор алгоритма здесь. Проблема состоит в том, что конечный результат должен быть средним для выходов каждого изображения в выборке, но у вас есть только конечные выходы. Исходя из этого, невозможно понять, какое изображение оказало наибольшее влияние на результат. Однако, если у вас много наборов тренировок, вы можете начать делать это на основе того, что некоторые типы изображений чаще встречаются в примерах, которые проходят, а определенные изображения становятся менее частыми. –
Если вы присвоите каждому изображению средний результат его набора как метки, тогда изображения, которые более важны, будут иметь более высокую метку и будут подхвачены моделью. С байесовской точки зрения это было бы наиболее естественным делом, потому что это объем информации, которую вы имеете в данных. –