Meer data gratis (augmentation)
Waarom dit saak maak Om data te versamel is duur. Jy kan dikwels meer maak deur die voorbeelde wat jy het op maniere te verander wat nie hul antwoord verander nie.
Die toetssyfers hier is effens uit sentrum geskryf: verskuif met tot een pixel. 'n Model wat net op gesentreerde syfers opgelei is, het dit nog nooit gesien nie en presteer swak. Voeg dus verskuifde kopies van elke opleidingssyfer by: die label bly dieselfde, want 'n 3 wat een pixel links beweeg, is steeds 'n 3.
Nie elke verandering is veilig nie
Die reël vir augmentasie: maak net veranderinge wat die antwoord dieselfde hou. 'n Gespieëlde syfer is nie regte handskrif nie, en sommige draaiings verander een syfer in iets wat naby 'n ander een is. Probeer dit en kyk na die telling.
Augmentation: opleiding op veranderde kopies van jou data (verskuifings, klein rotasies, snyings) wat die label waar hou.
Woorde en simbole in hierdie les
- augmentation
- veranderde kopies van die data wat die label waar hou
Skryf shifted_copies(imgs, labs) wat beelde en etikette teruggee met al 9 verskuiwings van elke beeld (bewegings van -1, 0 of +1 pixels af en oor, gebruik np.roll). Tel dan drie runs met fit_and_score: plain (trainingsbeelde net), shifted (jou kopieë) en flipped (trainingsbeelde plus links-regs gespieëlde kopieë). Stel harmful op die naam van die run wat die ergste was.
Sien jy 'n probleem in hierdie les? Rapporteer dit · Vra oor hierdie les
Hierdie oefening open binnekort
Voltooi die lesie voor dit en hierdie een sal ontvanklik wees. Die hele kursus is gratis, geen rekening nodig nie, en jy kan hierdie les nou lees.
Hierdie blutser blokkeer koekies vir learn.floati.life, so lesse wat jy hier voltooi het kan nie in volgorde oopgaan nie. Laat koekies vir hierdie webwerf toe en laai nuut.