Gate: उन objects के features जो किसी ने इसे नहीं दिखाए (AI बंद)
यह क्यों मायने रखता है Pretraining तभी क़ीमती है जब features उन चीज़ों तक जाएँ जो pretraining ने कभी नहीं देखीं। यहाँ आप इसे ख़ुद परखते हैं, अपने औज़ारों से, छह नई तरह के objects पर।
Gate नियम: AI tutor बंद। नए objects (star, bar, arrow, L-shape, hourglass, drop) उन 4000 तस्वीरों में कभी नहीं दिखे जिन पर encoders pretrain हुए। आपके पास एक probe train करने के लिए उनकी 400 label वाली तस्वीरें और परखने के लिए 500 हैं।
पाठ 3 के अपने linear probe से तीन उम्मीदवारों की तुलना करें (उसे copy करें: gate एक नहीं देता): बेतरतीब encoder और दोनों दर्ज SimCLR encoders। उनके features आपके लिए F में निकाले गए हैं। फिर सबसे अच्छे का नाम लें और बताएँ कि यह बेतरतीब encoder को कितने से हराता है।
जाँच कोर्स के probe से सब फिर निकालती है और पास करती है जब आपकी संख्याएँ सहमत हों, आपका सबसे अच्छा असली सबसे अच्छा हो, और यह बेतरतीब encoder को कम से कम 8 अंकों से हराए।
इस पाठ के शब्द और चिह्न
- linear probe
- जमे features पर train एक linear classifier: इसकी परख कि features पहले से क्या कहते हैं
- SimCLR
- हर तस्वीर के दो views और InfoNCE के साथ self-supervised training (Chen et al. 2020)
accuracy, best और margin भरें।
AI बंद: इसमें कोई ट्यूटर, संकेत या हल किया हुआ समाधान नहीं। सिर्फ़ आपकी अपनी सोच।
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।