Preencha a lacuna (predição mascarada)
Por que isso importa A maneira mais simples de criar uma tarefa a partir de dados não rotulados: esconder parte dele e pedir para a rede preencher. Modelos de linguagem são treinados exatamente assim (esconder a próxima palavra); modelos de imagem escondem patches. Para preencher um buraco bem, uma rede tem que entender o que está ao redor dele.
Esconda um patch 4 x 4 no meio de cada foto. A rede vê a janela 8 x 8 ao redor dele (os outros 48 pixels, x 3 cores) e prevê os 16 ocultos (x 3). A loss é o mean squared error. Sem labels em lugar nenhum: a foto é sua própria resposta selada.
Dois preenchimentos simples para vencer: a cor média da foto (erro de cerca de 0.035) e a média dos pixels logo ao redor do buraco (cerca de 0.019). Uma rede que vence a segunda aprendeu algo sobre como formas e luz continuam.
Palavras e símbolos nesta lição
- previsão mascarada
- esconder parte da entrada e treinar a rede para preenchê-la
Escreva o corpo do loop de treino (400 passos de 64 fotos). Para passar, o erro de validação precisa ficar abaixo de 0.017.
Viu um problema nesta lição? Reporte-o · Pergunte sobre esta lição
Este exercício abre em breve
Termine a lição anterior para que esta seja desbloqueada. O curso inteiro é gratuito, não precisa de conta, e você pode ler esta lição agora mesmo.
Este navegador está bloqueando cookies para learn.floati.life, então as lições que você terminou aqui não podem abrir em ordem. Permita cookies para este site e recarregue.