これ の続きです．
ニューラルネット芸人なのでモデルにもっと工夫を入れて大きな画像とかも扱えるようにしました．
PredNet（前々回ぐらいで紹介したsotaっぽいの）の最低限実装よりは良くなったかなと言う感じです．
そのうちちゃんと比較しますします
モデル中身の話を全然していなくて恐縮なんですが許してお兄さん...
とりあえず進化したモデルの結果見て（今回は正直これ見てほしいだけ）
 |
| Prediction |
 |
| Ground Truth |
良さそう．
データは期間が学習2013~2017年でテスト2018年になって前回より広域を見るようにしました，今回は10min×10の100min分読ませて後半の100min予測しています．
京都市の予測はかなりいい感じなので，当初の目的はだいたい達成できたかなと言う感じ．
今日はこれだけしか書くことないけど，既存手法と比較して超良くなってるみたいだったら論文書きたいな〜．CVのラボじゃないけどなんとかなるでしょ．
前回の小さいデータでの実験の感じだとPredNetよりいいし，そんなに重くない．
back propagation through time (BPTT) は重いんですよね，自然言語(1d-tensor を liner)でやっても重いのに画像(2d-tensor を conv)でやると大変．
今回のモデルではそのへんをなるべく軽くする工夫とかも入れました．
実験とかいろいろやりたいんですけどそろそろ修論を書かないといけなくなってきているので時間と計算資源が足りてない．
ちなみにラボの研究の方は全然違うことやってます．まあでもそれでRNNsの知見が蓄えられて今回のモデルにも生きてるっていう感じがするので，多角的にやると思わぬ方面で生きるな〜と思いました．
ということで，最後まで読んでくれてありがとうございました．
0 件のコメント:
コメントを投稿