import torch
a = torch.tensor([[ 96, 20, 96, 21, 96, 960, 577, 2, 96, 21, 96, 21, 96]])
b = torch.tensor([[37954, 2, 96, 20, 96, 21, 96]])
c = torch.tensor([[16385, 2, 96, 21, 96, 21, 96]])
torch.cat([a,b,c], 1)
###
tensor([[ 96, 20, 96, 21, 96, 960, 577, 2, 96, 21,
96, 21, 96, 37954, 2, 96, 20, 96, 21, 96,
16385, 2, 96, 21, 96, 21, 96]])взаимодействие нейросетей с графическими элементами, а не только с математическимиНейросети работают только с «математическими элементами», с числами. Чтобы скормить картинку в сеть, её переводят в массив чисел: каждый пиксель в 1 (серое) или 3 (red, green, blue) значения от 0 до 255.
ИЛИ не нужен скрытый слой "h" – достаточно одного.ИЛИ веса будут b = -1, w1 = 2, w2 = 2
[x0, x1, ... xN].y_true = [f(x0), f(x1), ... f(xN)]x получить их «предсказания» y_pred = [Fn(x0), Fn(x1), ... Fn(xN)]y_true - y_pred выданных каждой из функций на наборе входных значений xx = [1, 2, 4, 8, 16, 32, 64]
f(x) = [y0, y1, y2, y3, y4, y5, y6]
// n
[1, 2, 4, 8, 16, 32, 64]
sum = (y0 - 1)^2 + (y1 - 2)^2 + (y2 - 4)^2 + ... + (y6 - 64)^2 = sum0
// n^2
[1, 4, 16, 64, 256, 1024, 4096]
sum = (y0 - 1)^2 + (y1 - 4)^2 + (y2 - 16)^2 + ... + (y6 - 4096)^2 = sum1
// так же посчитать суммы ошибок для остальных функций:
// n * log(n), n!sumN укажет функцию, наиболее близкую к искомой.
с чего начать?