Semana 16 - Entrenamientos finales de simulación
Índice
Entrenamiento principal
Se creó otro piloto experto que fuera más estable y rápido. Sin embargo, tras numerosas pruebas, los resultados seguían siendo consistentes, aunque la automatización agilizó significativamente las pruebas.
Se realizaron varias pruebas:
-
Aumento de los augmented labels: La solución tardaba mucho más en converger, lo que resultaba en un entrenamiento de varias horas sin llegar a una solución óptima.
-
Disminución de lr o batch: No tuvo mucho efecto, pero se observó que si el batch era excesivamente grande, el dron no aprendía adecuadamente.
-
Cambio de etiquetas: Se redistribuyeron de manera más efectiva las etiquetas gracias a los gráficos de las semanas anteriores, lo cual mejoró los resultados, pero no lo suficiente.
-
Loss más bajo: Al finalizar el entrenamiento, se estableció el loss más bajo, ya que no parecía haber sobreajuste y así la red aprendería mejor.
Mejora
Reflexionando, me di cuenta de que no es del todo óptimo entrenar una red neuronal con un solo piloto experto, ya que lo máximo que podría lograr sería imitarlo perfectamente y seguir sus pasos, pero lo que buscamos es una mejora.
Por eso mismo se me ocurrió configurar los parámetros de cada piloto experto para que sea óptimo en cada circuito, obtener el dataset de cada piloto experto y posteriormente entrenar la misma red con las imágenes generadas por cada piloto experto.