سرفصل‌ها درس 89 از 246 · ماژول 7: کار روی دادهٔ تازه
ماژول 7: کار روی دادهٔ تازه

دادهٔ بیشتر به رایگان (افزایش داده)

چرا مهم است جمع‌آوری داده گران است. اغلب می‌توانید با تغییر نمونه‌هایی که دارید، به روش‌هایی که پاسخشان را تغییر نمی‌دهد، بیشتر بسازید.

رقم‌های آزمون اینجا کمی بیرون از مرکز نوشته شده‌اند: تا یک پیکسل جابه‌جاشده. مدلی که فقط روی رقم‌های مرکزدار آموزش دیده هرگز این را ندیده و امتیاز ضعیفی می‌گیرد. پس کپی‌های جابه‌جاشدهٔ هر رقم آموزشی را اضافه کنید: برچسب همان می‌ماند، چون یک 3 که یک پیکسل به چپ رفته همچنان 3 است.

هر تغییری امن نیست

قاعدهٔ افزایش داده: فقط تغییرهایی بدهید که پاسخ را همان نگه دارند. یک رقم آینه‌شده دست‌خط واقعی نیست و بعضی وارونه‌سازی‌ها یک رقم را به چیزی نزدیک به رقم دیگر تبدیل می‌کنند. امتحانش کنید و امتیاز را تماشا کنید.

افزایش داده: آموزش روی کپی‌های تغییرداده‌شده از داده‌تان (جابه‌جایی‌ها، چرخش‌های کوچک، برش‌ها) که برچسب را درست نگه می‌دارند.

واژه‌ها و نمادهای این درس
افزایش داده (augmentation)
کپی‌های تغییرداده‌شده از داده که برچسب را درست نگه می‌دارند
نوبت شما

shifted_copies(imgs, labs) را بنویسید که تصاویر و برچسب‌ها را با همهٔ 9 جابه‌جایی هر تصویر (حرکت‌های -1، 0 یا +1 پیکسل به پایین و عرضی، با np.roll) برمی‌گرداند. سپس سه اجرا را با fit_and_score امتیاز دهید: plain (فقط تصاویر آموزشی)، shifted (کپی‌های شما) و flipped (تصاویر آموزشی به‌علاوهٔ کپی‌های آینه‌شدهٔ چپ-راست). harmful را برابر نام اجرایی قرار دهید که آسیب زد.

مشکلی در این درس دیدید؟ گزارشش کنید · دربارهٔ این درس بپرسید

این تمرین به‌زودی باز می‌شود

درس پیش از آن را تمام کنید تا این یکی باز شود. کل دوره رایگان است، حساب کاربری لازم نیست، و می‌توانید همین الان این درس را بخوانید.