Cancello: feature per oggetti che nessuno gli ha mostrato (IA spenta)
Perché è importante Il pre-addestramento vale la pena solo se le feature si trasferiscono a cose che il pre-addestramento non ha mai visto. Qui lo testi da solo, con i tuoi strumenti, su sei nuovi tipi di oggetto.
Regole del cancello: tutor IA spento. I nuovi oggetti (stella, barra, freccia, forma a L, clessidra, goccia) non sono mai comparsi nelle 4000 foto su cui sono stati pre-addestrati gli encoder. Hai 400 foto etichettate di questi oggetti per addestrare una sonda e 500 per testarla.
Confronta tre candidati con la tua sonda lineare della lezione 3 (copiala qui: il cancello non ne fornisce una): l'encoder casuale e i due encoder SimCLR registrati. Le loro feature sono calcolate per te in F. Poi indica il migliore e di quanto batte l'encoder casuale.
Il controllo ricalcola tutto con la sonda del corso e ti fa passare quando i tuoi numeri coincidono, il tuo migliore è davvero il migliore, e batte l'encoder casuale di almeno 8 punti.
Parole e simboli di questa lezione
- sonda lineare
- un classificatore lineare addestrato su feature congelate: un test di ciò che le feature dicono già
- SimCLR
- addestramento auto-supervisionato con due viste di ogni foto e InfoNCE (Chen et al. 2020)
Riempi accuracy, best e margin.
IA spenta: niente tutor, suggerimenti o soluzione svolta per questo. Solo il tuo ragionamento.
Hai notato un problema in questa lezione? Segnalalo · Chiedi qualcosa su questa lezione
Questo esercizio si apre presto
Finisci la lezione precedente e questa si sblocca. L'intero corso è gratuito, senza account, e puoi leggere questa lezione subito.
Questo browser blocca i cookie per learn.floati.life, quindi le lezioni che hai finito qui non si possono aprire in ordine. Consenti i cookie per questo sito e ricarica.