पाठ्यक्रम 246 में से पाठ 89 · Module 7: नए डेटा पर काम
Module 7: नए डेटा पर काम

मुफ़्त में और डेटा (augmentation)

यह क्यों मायने रखता है डेटा इकट्ठा करना महँगा है। अक्सर आप अपने पास के उदाहरणों को ऐसे तरीकों से बदलकर और बना सकते हैं जो उनका जवाब नहीं बदलते।

यहाँ test अंक थोड़े केंद्र से हटकर लिखे हैं: एक pixel तक खिसके। बस केंद्रित अंकों पर train हुए एक model ने वह कभी नहीं देखा, और ख़राब अंक पाता है। इसलिए हर training अंक की खिसकाई copies जोड़ें: label वही रहता है, क्योंकि एक pixel बाएँ खिसका 3 फिर भी 3 है।

हर बदलाव सुरक्षित नहीं

augmentation का नियम: बस वे बदलाव करें जो जवाब वही रखें। एक दर्पण अंक असली लिखावट नहीं, और कुछ पलटाव एक अंक को दूसरे के क़रीब कुछ बना देते हैं। आज़माएँ और अंक देखें।

Augmentation: अपने डेटा की बदली copies (खिसकाव, छोटे घुमाव, crops) पर train करना जो label सच रखें।

इस पाठ के शब्द और चिह्न
augmentation
डेटा की बदली copies जो label सच रखें
आपकी बारी

हर image के सारे 9 खिसकावों (np.roll से -1, 0 या +1 pixels नीचे और आर-पार) के साथ images और labels लौटाने वाला shifted_copies(imgs, labs) लिखें। फिर fit_and_score से तीन runs को अंक दें: plain (बस training images), shifted (आपकी copies) और flipped (training images साथ में बाएँ-दाएँ दर्पण copies)। harmful को उस run के नाम पर सेट करें जिसने नुक़सान किया।

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।