पाठ्यक्रम 246 में से पाठ 168 · Module 15: दबाएँ, फिर बनाएँ, बनाएँ नया (autoencoders और VAEs)
Module 15: दबाएँ, फिर बनाएँ, बनाएँ नया (autoencoders और VAEs)

एक autoencoder नए अंक क्यों नहीं बना सकता

यह क्यों मायने रखता है अगर decoder 16 संख्याओं को एक अंक में बदलता है, तो बेतरतीब 16 संख्याएँ चुनकर एक बिल्कुल नया अंक क्यों न पाएँ? इसे आज़माएँ। आप जो देखते हैं वह समझाता है कि इस module के बाकी हिस्से को क्या ठीक करना है।

बनी तस्वीरें कितनी अच्छी हैं यह बताने के लिए, आपको एक जज चाहिए। कोर्स का जज दो चीज़ें मापता है:

  • Closeness: हर तस्वीर से सबसे पास के असली training अंक तक की दूरी, औसत। असली test अंक 1.04 पाते हैं। हर तस्वीर के अंदर उलझाए pixels 3.52 पाते हैं।
  • Variety: एक अंक पाठक (असली अंकों पर 98% सही) बताता है कि हर तस्वीर कौन-सा अंक दिखाती है; variety यह है कि दस अंक कितने बराबर आते हैं, bits में। 3.32 का मतलब सारे दस बराबर बार, 0 का मतलब हर तस्वीर एक ही अंक पढ़ी जाती है।

दो संख्याएँ क्यों? क्योंकि अकेली closeness को धोखा दिया जा सकता है। आप देखेंगे कैसे।

पहले अनुमान लगाएँ: जब आप बेतरतीब codes decode करते हैं, असली codes की ढकी सीमा के अंदर कहीं भी चुने, क्या तस्वीरें हर अंक की औसत तस्वीर से असली अंकों के ज़्यादा क़रीब अंक पाएँगी?

इस पाठ के शब्द और चिह्न
autoencoder
एक encoder जो एक तस्वीर को कुछ संख्याओं में दबाता है और एक decoder जो उसे फिर बनाता है
code (latent)
वे कुछ संख्याएँ जो encoder एक तस्वीर से बनाता है
closeness, variety
कोर्स का जज: सबसे पास के असली अंक से दूरी, और दस अंकों पर फैलाव के bits
आपकी बारी

my_prediction को "closer" या "further" पर सेट करें। फिर scores को इनकी closeness से भरें: असली test अंक, दस औसत अंक (हर एक 500 तस्वीरों तक दोहराया), और 500 decode किए बेतरतीब codes। अंत में reason को उस व्याख्या के अक्षर पर सेट करें जिसका संख्याएँ समर्थन करती हैं।

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।