Label smoothing और calibration
यह क्यों मायने रखता है Label smoothing अक्सर "यह calibration सुधारता है" कहकर बेचा जाता है। कभी-कभी सुधारता है। कभी-कभी बिगाड़ता है। मापें, मानें नहीं।
Label smoothing ठीक 1 और 0 के बजाय सच्ची class के लिए 0.91 और हर दूसरी class के लिए 0.01 जैसे targets की ओर train करता है। यह model को अपना आत्मविश्वास छोर तक धकेलने से रोकता है। अगर model ज़्यादा आत्मविश्वासी था, तो यह मदद करता है। अगर वह पहले से कम आत्मविश्वासी था, तो यह चीज़ें बिगाड़ता है।
पहले अनुमान लगाएँ, फिर इस model पर मापें।
इस पाठ के शब्द और चिह्न
- calibration, ECE
- क्या आत्मविश्वास accuracy से मेल खाता है; तौला औसत अंतर
my_prediction को "better" या "worse" पर सेट करें: क्या smoothing 0.1 यहाँ ECE घटाएगा? फिर दिए functions से ece_plain और ece_smooth निकालें, और measured को उस पर सेट करें जो असल में हुआ।
इस पाठ में कोई समस्या दिखी? बताएँ · इस पाठ के बारे में पूछें
यह अभ्यास जल्द खुलेगा
इससे पहले वाला पाठ पूरा करें और यह खुल जाएगा। पूरा कोर्स मुफ़्त है, कोई खाता नहीं चाहिए, और आप यह पाठ अभी पढ़ सकते हैं।
यह ब्राउज़र learn.floati.life के लिए कुकी रोक रहा है, इसलिए यहाँ पूरे किए गए पाठ क्रम से नहीं खुल सकते। इस साइट के लिए कुकी की अनुमति दें और फिर से लोड करें।