Буду благодарен если кто поделится уже тренированной ИНС большого размера - нужна для тестов, а самому тренировать что-то больше сотни нейронов штука небыстрая ( включая подготовку данных, создание сети и тд).
Интересуют многослойные перцептроны или автоэнкодеры, натасканные на какой-то общедоступный датасет. RBM тоже годятся. Свёрточные сети пока не нужны.

Ктож просто так их предоставит? В ИНС на 512 ячеек вложено 2... 3 человекомесяца в среднем.

Ну так я же не биржевого трейдера прошу. Тренированная ИНС стоит столько сколько стоит проблема которую она решает.

Делюсь автоэнкодером для MNIST.
Топология 785-196-784
MSE: 0.0085 train, 0.0091 val, 0.0091 test

В файлах веса одним вектором. Для работы преобразуйте в матрицы 196х785 и 784х197. Активация - сигмоид [0..1].

Извиняюсь, воможно, мои представления об ИНС слишком поверхностны.
Не могу представить, какой смысл может быть в сетке, натренированной на что-то другое?

ну есть например сетка, натренированная на e-mail спам. проблема в том что датасет не общедоступный, примерно из 150к спам-писем, частично одинаковых, но адресуемых приватно.
ну и нафиг она кому-то?

я пришел к выводу, что при поставке нужно договариваться о:
1) необученная сетка
2) датасет(ы) для обучения сетки
3) методика обучения
4) тестовый набор, пропускаемый через обученную сетку для проверки результата
5) результат, соответствующий тестовому набору

без этого комплекта сетка практической ценности не представляет, а можно лишь побаловаться.

Зачем так категорично? Если спам-фильтр правильно тренирован без переобучения на частном датасете, он хорошо будет работать и на любых других письмах. И его можно дообучать, существенно сэкономив себе время.

Но в стартовом посте не говорилось, на что должна быть натренирована, т.е. подразумевается, что все равно.
Разве натренированность на распознавание лица на фото поможет распознавать спам?

Мне надо ИНС для тестов моей аппаратно-программной реализации -чтобы оценить как особенности её влияют на точность распознавания сети, и какими деталями можно пожертвовать. Может можно загрубить веса, или вместо сигмоида дать линейный ReLU. А что там сеть распознаёт это неважно, главное чтобы я мог протестировать это на публично доступном наборе данных.
Зы. вопрос всё ещё актуален - если не жалко поделиться чем-то с <1000 входов и 100<нейронов<2000 буду весьма признателен.