Más datos gratis (aumento de datos)
Por qué importa Reunir datos es caro. Muchas veces puedes crear más cambiando los ejemplos que tienes de formas que no cambian su respuesta.
Aquí los dígitos de prueba están escritos un poco descentrados: desplazados hasta un píxel. Un modelo entrenado solo con dígitos centrados nunca ha visto eso, y saca mala nota. Así que añade copias desplazadas de cada dígito de entrenamiento: la etiqueta sigue siendo la misma, porque un 3 movido un píxel a la izquierda sigue siendo un 3.
No todo cambio es seguro
La regla del aumento de datos: haz solo cambios que mantengan la misma respuesta. Un dígito en espejo no es escritura real, y algunos volteos convierten un dígito en algo parecido a otro. Pruébalo y mira la puntuación.
Aumento de datos: entrenar con copias cambiadas de tus datos (desplazamientos, pequeñas rotaciones, recortes) que mantienen cierta la etiqueta.
Palabras y símbolos de esta lección
- aumento de datos
- copias cambiadas de los datos que mantienen cierta la etiqueta
Escribe shifted_copies(imgs, labs) que devuelva imágenes y etiquetas con los 9 desplazamientos de cada imagen (movimientos de -1, 0 o +1 píxeles hacia abajo y de lado, usando np.roll). Luego puntúa tres ejecuciones con fit_and_score: plain (solo las imágenes de entrenamiento), shifted (tus copias) y flipped (las imágenes de entrenamiento más copias en espejo de izquierda a derecha). Pon en harmful el nombre de la ejecución que perjudicó.
¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección
Este ejercicio se abre pronto
Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.
Este navegador está bloqueando las cookies de learn.floati.life, así que las lecciones que terminaste aquí no se pueden abrir en orden. Permite las cookies de este sitio y recarga.