المنهج الدراسي الدرس 193 من 246 · الوحدة 18: التعلم بدون تسميات
الوحدة 18: التعلم بدون تسميات

فرز الصور التي لم يقم أحد بتسميتها

لماذا هذا مهم التسميات مكلفة: يجب على شخص ما فحص كل صورة. الصور بدون تسميات شبه مجانية. إذا استطاعت الشبكة تعلم ميزات مفيدة من الصور غير المسماة وحدها، يمكن لكل نموذج أن يبدأ من ملايين الأمثلة بدلا من الآلاف. هذا هو التعلم ذاتي الإشراف، وهو كيف يتم تدريب النماذج الكبيرة اليوم مسبقا.

الصور في هذه الوحدة هي صور صغيرة بحجم 16 × 16 لستة أنواع من الأشياء (ball، box، ring، tent، cross، moon) في مشاهد مزدحمة: خلفيات عشوائية، إضاءة من أي جانب، ظلال، أشياء في الأمام، ضبابية وضجيج المستشعر. هي صور مولدة وليست محملة، وهي مصممة لتعمل مثل الصور الحقيقية: قام المساق بقياس ثلاث إحصائيات تشترك فيها كل صورة طبيعية (كيف تتلاشى التفاصيل مع المقياس، مدى تشتت الحواف، ومدى تشابه البكسلات المتجاورة)، وتقع هذه الصور داخل نطاق قصاصات الصور الحقيقية في الإحصائيات الثلاثة. photos.stats(X) يطبعها.

اختبار سريع لأي مجموعة من الميزات: لكل صورة، ابحث عن أقرب 5 جيران لها بواسطة تلك الميزات واحسب كم منها يظهر نفس نوع الكائن. التخمين العشوائي يحصل على 1 من أصل 6.

ثلاثة أنواع من الميزات:

  • البكسلات الخام;
  • a CNN بأوزان عشوائية، لم يتم تدريبها أبدا؛
  • نفس شبكة CNN بعد SimCLR تدريب مسبق على 4000 صورة، مع عدم وجود تسميات على الإطلاق (قام المساق بتدريبها مرة واحدة؛ سترى كيف في الدرس 5).

توقع أولا: أي منها يضع صورات الكائن نفسه أقرب إلى بعضها؟

الكلمات والرموز في هذا الدرس
التعلم الخاضع للإشراف الذاتي
يتعلم الميزات من البيانات بدون تسميات، من خلال مهمة تقوم البيانات بتعريف نفسها بنفسها
SimCLR
تدريب ذاتي الإشراف باستخدام وجهتي نظر لكل صورة و InfoNCE (Chen et al. 2020)
دورك

اضبط my_guess على "raw" أو "random" أو "simclr". اكتب agreement(F, labels, k): قم بتوحيد كل ميزة، وقسّم كل صف ليصبح طوله 1، وأرجع حصة أقرب k جيران (بواسطة cosine similarity، الصورة ليست جارا لنفسها) الذين لديهم نفس التسمية. املأ scores لأنواع الميزات الثلاثة.

هل لاحظت مشكلة في هذا الدرس؟ أبلغ عنها · اسأل عن هذا الدرس

سيفتح هذا التمرين قريبا

أنهِ الدرس السابق ليفتح هذا الدرس. الدورة كاملة مجانية، ولا تحتاج إلى حساب، ويمكنك قراءة هذا الدرس الآن.