각 매개변수의 불연속성을 0.1로 설정하더라도 전체 탐색의 가능한 모든 조합의 조합 수는 10 ^ 100000입니다.
당신은 GA에 대해 매우 장밋빛 아이디어를 가지고 있습니다
장밋빛 아이디어는 없지만 이 알고리즘의 사용에 대한 실용적인 지식은 UGA가 검색 공간을 그래프로 분할해야 하는 이진 알고리즘이 아닙니다.
UGA는 동시에 모든 차원에서 병렬 검색을 수행하여 단계를 자동으로 줄임으로써 허용 가능한 시간 내에 강력한 결과를 얻을 수 있고 메시를 훈련하는 데 더 이상 필요하지 않은 경우 추가 재훈련이 뒤따를 것입니다. 일반적으로 10000-50000 FF에서 매개 변수 수에 관계없이 결과가 달성됩니다.
장밋빛 아이디어는 없지만 이 알고리즘의 사용에 대한 실용적인 지식은 UGA가 검색 공간을 그래프로 분할해야 하는 이진 알고리즘이 아닙니다.
UGA는 동시에 모든 차원에서 병렬 검색을 수행하여 단계를 자동으로 줄임으로써 허용 가능한 시간 내에 강력한 결과를 얻을 수 있고 메시를 훈련하는 데 더 이상 필요하지 않은 경우 추가 재훈련이 뒤따를 것입니다. 일반적으로 10000-50000 FF에서 매개 변수 수에 관계없이 결과가 달성됩니다.
확인합니다. 굵게 - 강력한 결과(절대 최대값일 필요는 없음).
중요한 것은 거대한 메쉬를 훈련시킬 수 있다는 것입니다. 그리고 이러한 거대한 크기의 그물이 필요한지 여부는 이미 각 특정 동물의 양심에 달려 있습니다. :)
중요한 것은 거대한 메쉬를 훈련시킬 수 있다는 것입니다. 그리고 이러한 거대한 크기의 그물이 필요한지 여부는 이미 각 특정 동물의 양심에 달려 있습니다. :)
글쎄, 완전히 장밋빛 전망 을 그리지 않으려면 FF 출시 수가 거의 증가하지 않지만(강력한 솔루션을 달성하기 위해) 알고리즘이 주문을 유도해야 하기 때문에 결과를 찾는 시간이 여전히 증가한다는 점을 추가해야 합니다. 크기가 더 큰 어레이(실제로 더 많은 작업을 수행함)이지만 처음에는 선형으로 증가하고 두 번째로 테스트 중에 주요 걸림돌은 항상 FF의 속도, 특히 NS의 속도였습니다. FF의 일부로 GPU에서 NS의 심각한 가속과 함께 GA에 대한 솔루션을 전체적으로 찾는 시간의 가속화도 예상됩니다.
실험을 설정하고 뉴런당 100개의 연결이 있는 1000개의 뉴런 메쉬를 만들고 파일 크기를 게시해 보겠습니다.
~6MB
네트워크 100x1000x1 - 완전히 연결됨
첨부된))
이제 말해 주세요. 그녀를 어떻게 훈련시키실 건가요???
비슷한 순서의 크기를 가질 수 있는 네트워크 유형은 한 가지만 알고 있지만 훈련되지 않고 저장할 필요가 없습니다. 훈련 샘플을 한 번 통과하여 형성되고 어리석게 기억합니다.
모든 공상 과학 영화의 모든 컴퓨터를 결합하면 GA를 사용하여 그러한 네트워크를 훈련할 수 없습니다. 검색 공간의 차원은 100,000입니다.
또는 오히려 그러한 네트워크가 훈련 샘플을 단순히 기억하고 일반화하는 대신 전체 기록의 스크린샷을 얻을 것이라고 확신합니다.
아키텍처 선택에 더 신중해야 함))
~6MB
첨부된))
이제 말해 주세요. 그녀를 어떻게 훈련시키실 건가요???
네, 가르치는 것은 문제가 아닙니다. 위에서 UGA 100,000 매개변수의 경우 상당히 수용 가능한 작업이라고 썼습니다. 사소하지만 실현 가능하다고 말하지는 않겠습니다.
그러나 크기는 매우 정상이며 문제가 종료되었다고 말하면서 더 이상 신경 쓸 수 없습니다.
네, 가르치는 것은 문제가 아닙니다. 위에서 UGA 100,000 매개변수의 경우 상당히 수용 가능한 작업이라고 썼습니다. 사소하지만 실현 가능하다고 말하지는 않겠습니다.
그러나 크기는 매우 정상이며 문제가 종료되었다고 말하면서 더 이상 신경 쓸 수 없습니다.
각 매개변수의 불연속성을 0.1로 설정하더라도 전체 탐색의 가능한 모든 조합의 조합 수는 10 ^ 100000입니다.
당신은 GA에 대해 매우 장밋빛 아이디어를 가지고 있습니다
각 매개변수의 불연속성을 0.1로 설정하더라도 전체 탐색의 가능한 모든 조합의 조합 수는 10 ^ 100000입니다.
당신은 GA에 대해 매우 장밋빛 아이디어를 가지고 있습니다
장밋빛 아이디어는 없지만 이 알고리즘의 사용에 대한 실용적인 지식은 UGA가 검색 공간을 그래프로 분할해야 하는 이진 알고리즘이 아닙니다.
UGA는 동시에 모든 차원에서 병렬 검색을 수행하여 단계를 자동으로 줄임으로써 허용 가능한 시간 내에 강력한 결과를 얻을 수 있고 메시를 훈련하는 데 더 이상 필요하지 않은 경우 추가 재훈련이 뒤따를 것입니다. 일반적으로 10000-50000 FF에서 매개 변수 수에 관계없이 결과가 달성됩니다.
~6MB
네트워크 100x1000x1 - 완전히 연결됨
첨부된))
이제 말해 주세요. 그녀를 어떻게 훈련시키실 건가요???
나는 비슷한 순서의 크기를 가질 수 있는 네트워크 유형을 하나만 알고 있지만 훈련되지 않고 저장할 필요가 없습니다. 훈련 샘플을 한 번 통과하여 형성되고 어리석게 기억합니다.
모든 공상 과학 영화의 모든 컴퓨터를 결합하면 GA를 사용하여 그러한 네트워크를 훈련할 수 없습니다. 검색 공간의 차원은 100,000입니다.
또는 오히려 그러한 네트워크가 훈련 샘플을 단순히 기억하고 일반화하는 대신 전체 기록의 스크린샷을 얻을 것이라고 확신합니다.
아키텍처 선택에 더 신중해야 함))
아무도 그런 네트워크를 필요로 하지 않는다는 것은 분명합니다(쓸모없는). 따라서 우리는 무료 아키텍처(확장 가능)에 대해 이야기하고 있습니다.
실험을 위해 N450을 사용하여 작은 다리미에 GA를 사용하여 가르칠 것입니다. 무엇을 가르칠 것인가, 얼마나 많은 예, 오류 등을 가르칠 것인가?
추신: 학습하는 동안 귀하의 코드를 연구하겠습니다.
아무도 그런 네트워크를 필요로 하지 않는다는 것은 분명합니다(쓸모 없음). 따라서 우리는 무료 아키텍처(확장 가능)에 대해 이야기하고 있습니다.
실험을 위해 N450을 사용하여 작은 다리미에 GA를 사용하여 가르칠 것입니다. 무엇을 가르칠 것인가, 얼마나 많은 예, 오류 등을 가르칠 것인가?
장밋빛 아이디어는 없지만 이 알고리즘의 사용에 대한 실용적인 지식은 UGA가 검색 공간을 그래프로 분할해야 하는 이진 알고리즘이 아닙니다.
UGA는 동시에 모든 차원에서 병렬 검색을 수행하여 단계를 자동으로 줄임으로써 허용 가능한 시간 내에 강력한 결과를 얻을 수 있고 메시를 훈련하는 데 더 이상 필요하지 않은 경우 추가 재훈련이 뒤따를 것입니다. 일반적으로 10000-50000 FF에서 매개 변수 수에 관계없이 결과가 달성됩니다.
확인합니다. 굵게 - 강력한 결과(절대 최대값일 필요는 없음).
중요한 것은 거대한 메쉬를 훈련시킬 수 있다는 것입니다. 그리고 이러한 거대한 크기의 그물이 필요한지 여부는 이미 각 특정 동물의 양심에 달려 있습니다. :)
확인합니다. 굵게 - 강력한 결과(절대 최대값일 필요는 없음).
중요한 것은 거대한 메쉬를 훈련시킬 수 있다는 것입니다. 그리고 이러한 거대한 크기의 그물이 필요한지 여부는 이미 각 특정 동물의 양심에 달려 있습니다. :)
글쎄, 완전히 장밋빛 전망 을 그리지 않으려면 FF 출시 수가 거의 증가하지 않지만(강력한 솔루션을 달성하기 위해) 알고리즘이 주문을 유도해야 하기 때문에 결과를 찾는 시간이 여전히 증가한다는 점을 추가해야 합니다. 크기가 더 큰 어레이(실제로 더 많은 작업을 수행함)이지만 처음에는 선형으로 증가하고 두 번째로 테스트 중에 주요 걸림돌은 항상 FF의 속도, 특히 NS의 속도였습니다. FF의 일부로 GPU에서 NS의 심각한 가속과 함께 GA에 대한 솔루션을 전체적으로 찾는 시간의 가속화도 예상됩니다.
어떤 GA를 가르칠 것인가?
요점은 방법이 아닙니다. GA가 그렇게 약한 철판으로 당길까?
더 가벼운 버전의 joo 알고리즘.
요점은 방법이 아닙니다. GA가 그렇게 약한 철판으로 당길까?
더 가벼운 버전의 joo 알고리즘.