Upload 2 files

optimizer/How-to-Use-EmoNAVI(ENG).txt

@@ -26,4 +26,34 @@ If you find that your training isn't progressing beyond a certain point, try an
 
 Conclusion
 
-We hope this explanation helps you acquire valuable know-how for setting up your training, not just for the EmoNavi series. We believe it will be beneficial to all of you. Thank you for reading to the end.
+We hope this explanation helps you acquire valuable know-how for setting up your training, not just for the EmoNavi series. We believe it will be beneficial to all of you. Thank you for reading to the end.
+
+postscript
+
+I'd like to explain the learning rate in an easy-to-understand way, so you can truly grasp its concept.
+
+You can think of the learning rate like reading speed.
+Imagine this: a high learning rate is like skim reading (or speed reading), while a low learning rate is like perusing (or close reading).
+
+The scheduler manages this, much like a learning schedule.
+EmoNAVI has a "shadow" function that encourages the model to review and reflect on its own learning progress.
+With EmoNAVI, you have a choice: you can allow external guidance to determine the learning path and let the model's autonomy supplement it, or you can rely solely on its autonomy.
+
+Here are some other analogies:
+High learning rate: Like shooting a photo from a distance, giving you an overview where details are fuzzy.
+Low learning rate: Like shooting up close, capturing accurate details.
+Think of autofocus as being handled by the scheduler and the "shadow" function.
+From another perspective:
+
+When aiming for detailed expressions, you can also consider increasing the amount of training data or increasing the number of iterations.
+As the number of iterations increases, detailed features are gradually accumulated.
+
+However, color representation largely depends on the performance of the VAE (Variational Autoencoder).
+To accurately reflect colors, the only options are to improve the VAE's performance itself or to use teacher data that correctly reflects colors.
+
+Furthermore, the "shadow" function also acts like an autofocus system.
+It's a mechanism that allows the model to review and reflect on its own learning, essentially learning from its own experience.
+This means it captures one feature, learns from it, then identifies another, and the process repeats.
+Consequently, its "focus" (or understanding) continuously evolves and adapts.
+
+That concludes the additional explanation. Thank you for reading to the end!

optimizer/学習の進め方(日本語).txt

@@ -24,4 +24,29 @@ emonavi系はコンスタントで回し続けても過学習にはなりませ
 もし学習が一定のところから進まない、と感じたときは、追加学習で低学習率へ変更してください。そうすると詳細を一気に吸収し始めます。
 
 <謝意>
-emonavi系に限らず、この説明で学習設定のノウハウの獲得に寄与できれば嬉しいです。皆さまのお役に立てれば幸いです。最後までご覧いただきありがとうございました。
+emonavi系に限らず、この説明で学習設定のノウハウの獲得に寄与できれば嬉しいです。皆さまのお役に立てれば幸いです。最後までご覧いただきありがとうございました。
+
+<追記>
+学習率について実感を得られるように、わかりやすく伝えたい、と思っています。
+
+学習率とは、読書の速さにも置き換えられると思います、
+学習率高：飛ばし読み(速読)、
+学習率低：熟読(精読)、と想像してください。
+スケジューラーはこれを学習予定として管理します
+
+emonavi は shadow の機能で、モデル自身の復習や振り返りを促し学習を進行します
+進み方を外部に決めさせ自律で補うか、自律のみに任せるか、になります。
+
+他にも、以下のように例えることも可能です、
+学習率高：遠くからの撮影＝概要(細部はあいまい)
+学習率低：寄りで撮影＝詳細(細部を正確に)
+オートフォーカス：スケジューラー、shadow、
+
+別視点からも説明しますと、細部表現を獲得したい場合は教師データを増やす、ことでも可能です。
+繰り返し数が増加することで細部の特徴も少しづつ蓄積される、となります。
+ただし、色についてはVAEの性能に依拠する部分が多く、これを正しく反映できる教師データか、VAEの性能の向上しかありません。
+
+それとですね、shadow はオートフォーカスでもありますが、これは学習の振り返り、復習をするもので、自分自身の経験に学ぶ仕組みです、
+ですから、特徴を捉えて学んで、別の特徴を見つけて、、を繰り返す、その結果としてフォーカスもピントも変化し続けるようになります。
+
+以上となります。追記も最後までご覧頂いてありがとうございました。