Вопросы на уровне - нужно ли использовать conv слои на датасетах типа mnist или достаточно flatten и dense слоев
в почти любой книге по deep learning будет про устройство слоёв, но мало про ваш вопрос. ответ на него вкратце - исходя из того, что на входе, и какие признаки хочется внутри сети инжинирить. dense сетки могут то же, что и все остальные, но им данных нужно больше но какую-нибудь книгу найдите, Шолле (keras), или Николенко, или Яй Пойнтер к примеру (pytorch)
Вы такого нигде не найдете. Максимум - это уже решенные задачи. Сам вопрос открытый всегда. Стоит это рассматривать, как разные вариант аппроксимирующих (не до конца корректно) функций. Какие выстрялят и где - неизвестно (с оговоркой выше)
даже можно еще сказать - универсального способа не существует по теореме no free lunch. коротко, она о том что если бы существовал наилучший из всех алгоритм, тотна всех задачах в мире на регрессии предсказывали бы простым средним таргета на трэйне, а классификатор- мажорным классом. короче температуру по больнице. поэтому ищут под конкретную задачу / датасет (и чем он больше тем лучше) самый большой скор. а тут уж кому свертки, кому трансформеры... как зайдет
Обсуждают сегодня