Tor: Merkmale für Objekte, die niemand gezeigt hat (KI aus)
Warum das wichtig ist Pretraining lohnt sich nur, wenn die Merkmale auf Dinge übertragbar sind, die das Pretraining nie gesehen hat. Hier testest du das selbst, mit deinen eigenen Tools, an sechs neuen Arten von Objekten.
Gate-Regeln: KI aus. Die neuen Objekte (star, bar, arrow, L-shape, hourglass, drop) sind in den 4000 Fotos, auf denen die encoder vortrainiert wurden, nie erschienen. Du hast 400 beschriftete Fotos davon, um eine probe zu trainieren, und 500, um sie zu testen.
Vergleiche drei Kandidaten mit deiner eigenen linear probe aus Lektion 3 (kopiere sie hinein: das gate stellt keine bereit): den random encoder und die zwei aufgezeichneten SimCLR encoder. Ihre features werden für dich in F berechnet. Benenne dann den besten und sage, wie weit er den random encoder schlägt.
Die Prüfung berechnet alles mit der Sonde des Kurses neu und ist bestanden, wenn deine Zahlen übereinstimmen, dein Bestes das echte Beste ist und es den zufälligen Encoder um mindestens 8 Punkte schlägt.
Wörter und Symbole in dieser Lektion
- lineare Sonde
- a linearer Klassifikator, trainiert auf eingefrorenen Features: ein Test, was die Features bereits aussagen
- SimCLR
- selbstüberwachtes Training mit zwei Ansichten jedes Bildes und InfoNCE (Chen et al. 2020)
Fülle accuracy, best und margin.
KI aus: kein Tutor, keine Hinweise oder gelöste Lösung für diese Aufgabe. Nur dein eigenes Denken.
Ein Problem in dieser Lektion entdeckt? Melde es · Frage zu dieser Lektion
Diese Übung öffnet bald
Beende die vorherige Lektion, damit diese freigeschaltet wird. Der ganze Kurs ist kostenlos, kein Konto erforderlich, und du kannst diese Lektion jetzt direkt lesen.
Dieser Browser blockiert Cookies für learn.floati.life, daher können hier beendigte Lektionen nicht in der richtigen Reihenfolge geöffnet werden. Erlaube Cookies für diese Seite und lade sie neu.