Lebih banyak data gratis (augmentation)
Kenapa ini pentingMengumpulkan data itu mahal. Seringkali kamu bisa mendapatkan lebih banyak dengan mengubah contoh yang kamu punya dengan cara yang tidak mengubah jawabannya.
Digit uji di sini ditulis sedikit tidak di tengah: bergeser hingga satu piksel. Model yang hanya dilatih pada digit di tengah belum pernah melihat itu, dan skornya buruk. Jadi tambahkan salinan yang bergeser dari setiap digit pelatihan: label tetap sama, karena angka 3 yang pindah satu piksel ke kiri tetaplah angka 3.
Tidak semua perubahan itu aman
Aturan untuk augmentasi: hanya lakukan perubahan yang menjaga jawaban tetap sama. Angka yang dicerminkan bukan tulisan tangan asli, dan beberapa pembalikan mengubah satu angka menjadi sesuatu yang mirip dengan angka lain. Cobalah dan lihat skornya.
Augmentation: melatih pada salinan data yang diubah (pergeseran, rotasi kecil, pemotongan) yang tetap menjaga label tetap benar.
Kata dan simbol di pelajaran ini
- augmentation
- salinan data yang diubah yang menjaga label tetap benar
Tulis shifted_copies(imgs, labs) yang mengembalikan gambar dan label dengan semua 9 pergeseran dari setiap gambar (gerakan -1, 0 atau +1 piksel ke bawah dan ke samping, menggunakan np.roll). Lalu beri skor tiga jalankan dengan fit_and_score: plain (hanya gambar pelatihan), shifted (salinanmu) dan flipped (gambar pelatihan ditambah salinan cermin kiri-kanan). Atur harmful ke nama jalankan yang buruk.
Ada masalah di pelajaran ini? Laporkan · Tanya tentang pelajaran ini
Latihan ini akan segera dibuka
Selesaikan pelajaran sebelumnya agar pelajaran ini terbuka. Seluruh kursus ini gratis, tidak butuh akun, dan kamu bisa baca pelajaran ini sekarang.
Browser ini memblokir cookie untuk learn.floati.life, jadi pelajaran yang sudah kamu selesaikan di sini tidak bisa dibuka berurutan. Izinkan cookie untuk situs ini dan muat ulang.