freeExec

Нет таких домашних ПК где у тебя 512ГБ оперативки. Можешь конечно взять SSD и повесить на него своп, но тогда о каком комфорте может идти речь при скорости токен в пару минут.

Во-первых, где у тебя bias, либо дополнительный вход на котором всегда 1? В противном случае у тебя функция вращается вокруг центра.
Во-вторых, прелесть перцептрона в том, что его логика везде одна, хоть в однослойном, хоть миллиардслойном. Так что тебе надо вернуться назад и сделать логику универсальной, не учитывающий, что у тебя "один проход".

Можно дообучать, только не как ты предложил, добавить 20, а не полном наборе - все 30. Ну либо ты сильно потеряешь в качестве определения первых 10.
Симбиоз из нескольких сеток делают, но обычно они определяют одно и тоже, просто отличаются своей внутренней архитектурой, и сетки компенсируют слабые стороны друг друг-друга.

Берёшь картинку где ничего нет. Попиксельно сравниваешь с картинкой где предмет есть. Находишь центроид обнаруженных пикселей, туда и тыкаешь.

Использовать то можно, но он не так эффективен, особенно если параметров больше десятка.

Запоминаешь сам. Дополняешь запомненным свои сообщения.

Никак, количество входных значений всегда фиксировано. Есть конечно типы которые "помнят" предыдущий стейт и могут принять ещё партию новых входных данных.

Сама нейросеть должна получать постоянно разное количество координат

Тренируешь сеть на 100 координат и надеишься, что в реальности 101 никогда не будет.

Он даже не способен в Города играть, какой код, ты о чём.

Можешь так, а можешь выделить уверенный диапазон, а остальное выбросить, т.к. сеть не уверена.

Мне как-то не верится, что у них столько же выходных нейронов, сколько и пикселей в картинке.

Почему нет-то, да и готовят картинки не такие уж и больше, и даже тем надо десяток гигабайт видео памяти.

Там же комментарий выше, значит 0 - реальное изображение, а 1 - фейк.

Берутся входные 16 слоёв прогоняются через свои 16 слоёв фильтра и выдаётся 1 слой на выходе. Затем входные 16 прогоняются через другие 16 фильтров, чтобы получить 2 слой на выходе. И так 32 раза.

Может сеть не способна выдать нужный вам результат.
И потом, обычно боксы делают не как координаты углов, а как местоположение объекта и подгонку заранее заготовленных рамок с разными отношениями сторон.

Одной свёрточной сетью определить положения надписей. Другой уже по вырезанным надписям распознавать символы. Ну и вопрос "у меня ничего не получилось" следует сопровождать имеющимися результатами, схемой сети хотя бы. Да и кажется мне, что вон те дальние надписи, при таком угле обзора невозможно достоверно прочитать.

Ты только что придумал нейронку для расшифровки шифрованных сообщений.

Да, обычно в пакетах уже есть готовые конфигурации и даже натренированные модели.

https://keras.io/api/applications/

Если на свёрточных слоях веса были рандомные, то их тоже надо обучать, а не только последние слоя. Обучают последние слои только когда нейронка уже предобучена и вы хотели бы добавить какой-то новый класс.