Играемся с Python: приближаем функцию 2х переменных с помощью нейросети. Пробуем Keras + Tensorflow

Channel:

Renesco Rocketman

Subscribers:

22,800

Published on May 1, 2018 8:15:01 PM ● Video Link: https://www.youtube.com/watch?v=qnig313P8IY

Game:

Space Engineers (2019)

Duration: 3:22:04

5,068 views

146

Продолжим развлекаться с однослойной нейронной сетью в питоне. Для наведения пушки в Space Engineers нужно будет учитывать много параметров, а не один: расстояние, высота цели, скорость снаряда, радиус планеты и прочее. Так что, хорошо бы посмотреть, насколько мы можем приблизить функцию нескольких переменных с помощью нейронной сети, и какие у нас при этом возникнут сложности.

В планах на сегодня следующее:
1. Напишем простую нейронку "с нуля" в питоне. Заимствованная с канала (https://www.youtube.com/watch?v=AZG0j0pNY-4) сетка - хорошо, но для лучшего понимания стоит хотя бы раз написать ее самому.
2. Соберем аналог самопальной сети в конструкторе Keras (в качестве бэкенда будет Tensorflow и даже с возможностью использовать GPU)
3. Сравним обучение 2х этих вариантов на какой-то простой функции. Попробуем перенести таблички весов из Кераса в свою самопальную сеть, чтобы убедиться, что все работает и мы сможем потом воспользоваться плодами обучения в Space Engineers.
4. Построим графики нескольких функций от 2х переменных (это будут какие-то поверхности) в matplotlib и попробуем поучить нейросетку приближенному вычислению этих функций.
5. Наверное, придется столкнуться с необходимостью как-то сжимать диапазоны входных данных (а может и результатов) для лучшего обучения сети. Пока я заметил, что если входящие X и Y выходят за пределы примерно +-20, то сеть или не обучается совсем, или обучается очень криво. Если целевые значения вылазят за 100 - это тоже как-то не очень хорошо влияет.

Планы примерно такие, но если не все успеем - то часть уйдет на следующий стрим по теме.

Other Statistics