Я создаю CNN для управления транспортным средством в видеоигре. Сеть принимает снимок экрана в качестве входных данных и использует значения контроллера в качестве целей. На данный момент я просто использую два значения контроллера в качестве целевых: рулевое управление, значение которого находится в диапазоне от -1 до 1, а также дроссельная заслонка, которое находится в диапазоне от 0 до 1. Я округлил значения рулевого управления до 7 значений и перебросил в 4 значения, дающие мне 28 различных классов, которые я уравновешиваю (причиной округления была сложность уравновешивания незанятых классов).
Мой вопрос заключается в том, должен ли я обучать сеть с одним целевым значением 1-27 (по одному для каждого случая), или мне следует использовать два округленных значения контроллера в качестве целевых (массив: [Stelling, Throttle) ])? Я понимаю, что оба создают 28 целевых классов, но влияет ли структура целевого вывода на производительность сети? Является ли один из этих вариантов заметно лучше другого?
Модель для предварительного тестирования:
'' '
model = Sequential()
model.add(Conv2D(24, kernel_size=(5, 5), strides=(2, 2), activation='relu', input_shape= INPUT_SHAPE))
model.add(Conv2D(36, kernel_size=(5, 5), strides=(2, 2), activation='relu'))
model.add(Conv2D(48, kernel_size=(5, 5), strides=(2, 2), activation='relu'))
model.add(Conv2D(64, kernel_size=(3, 3), activation='relu'))
model.add(Conv2D(64, kernel_size=(3, 3), activation='relu'))
model.add(Flatten())
model.add(Dense(1164, activation='relu'))
drop_out = 1 - keep_prob
model.add(Dropout(drop_out))
model.add(Dense(100, activation='relu'))
model.add(Dropout(drop_out))
model.add(Dense(50, activation='relu'))
model.add(Dropout(drop_out))
model.add(Dense(10, activation='relu'))
model.add(Dropout(drop_out))
model.add(Dense(OUT_SHAPE, activation='softsign'))
' ''