Как изменить предобученную нейросеть с классификации на регрессию
✅ Ответ: используем transfer learning — перенос знаний с одной задачи на другую.
Что делаем? 🔹 Заменяем последний полносвязный слой и Softmax (отвечающий за классификацию) на один нейрон (или новый полносвязный слой) для регрессии. 🔹 Опционально замораживаем первые слои, если данных мало или нужна быстрая сходимость. 🔹 Обучаем сеть на новых данных с функцией потерь для регрессии.
Таким образом, мы сохраняем мощные фичи первых слоев, обученные на огромных датасетах, но адаптируем выход под задачу регрессии.
Как изменить предобученную нейросеть с классификации на регрессию
✅ Ответ: используем transfer learning — перенос знаний с одной задачи на другую.
Что делаем? 🔹 Заменяем последний полносвязный слой и Softmax (отвечающий за классификацию) на один нейрон (или новый полносвязный слой) для регрессии. 🔹 Опционально замораживаем первые слои, если данных мало или нужна быстрая сходимость. 🔹 Обучаем сеть на новых данных с функцией потерь для регрессии.
Таким образом, мы сохраняем мощные фичи первых слоев, обученные на огромных датасетах, но адаптируем выход под задачу регрессии.
BY Библиотека собеса по Data Science | вопросы с собеседований
A project of our size needs at least a few hundred million dollars per year to keep going,” Mr. Durov wrote in his public channel on Telegram late last year. “While doing that, we will remain independent and stay true to our values, redefining how a tech company should operate.
That growth environment will include rising inflation and interest rates. Those upward shifts naturally accompany healthy growth periods as the demand for resources, products and services rise. Importantly, the Federal Reserve has laid out the rationale for not interfering with that natural growth transition.It's not exactly a fad, but there is a widespread willingness to pay up for a growth story. Classic fundamental analysis takes a back seat. Even negative earnings are ignored. In fact, positive earnings seem to be a limiting measure, producing the question, "Is that all you've got?" The preference is a vision of untold riches when the exciting story plays out as expected.
Библиотека собеса по Data Science | вопросы с собеседований from tr
