訓練したモデルに何か新しいことを教える(ファインチューニング)
なぜ大切か 新しい画風を得るために大きな画像のモデルを一から訓練する人はいません:絵がどう働くかをもう知っているものを ファインチューニング します。新しいデータでの数百ステップで十分なこともあります。モデルが知っていることのほとんどは今も当てはまるからです。
新しい課題:鏡文字。どの訓練の数字も左右に反転されています。訓練した数字のモデルはそれを一度も見たことがありません。
difflab.train_digits(steps=..., model=model, data=(pictures, labels)) は、既存のモデルをあなたのデータで訓練し続けます。
ほかの何かではなく鏡文字を学んだことを、どう確かめるか? その標本を反転し戻してください:それが求めた数字として読まれれば、鏡の数字を描いています。そして反転していない標本は、今ではほとんど正しく読まれないはずです。鏡でも同じに見える数字(0、1、8 はほぼそう)を除いて:ほとんどがまだ正しく読まれるなら、それはあまり変わっていません。
このレッスンの言葉と記号
- eps
- 足された釣鐘曲線のノイズ。ネットワークはそれを予測することを学ぶ
- DDIM
- 新しいノイズなしで、いくつかの歩みの間を跳んでサンプリングすること
- ファインチューニング
- 訓練したモデルを新しいデータで訓練し続けること
mirror(pictures)(64 画素の行を左右に反転する)を書き、鏡にした訓練の数字でモデルを多くとも 400 ステップファインチューニングし(数秒。300 で十分)、after を次で埋めてください:反転し戻したときに求めた数字として読まれる 500 の標本(w = 2、20 の DDIM の歩み)の割合、反転せずに正しく読まれる割合、そして反転し戻した標本の近さ。
この演習はまもなく開きます
その前のレッスンを終えると、このレッスンが解放されます。コース全体が無料でアカウントも不要、このレッスンは今すぐ読めます。
このブラウザは learn.floati.life の Cookie をブロックしているため、ここで修了したレッスンを順番どおりに開けません。このサイトの Cookie を許可して再読み込みしてください。