Gate: características para objetos que ninguém mostrou (IA desligada)
Por que isso importa O Pretraining só vale a pena se as features passarem para coisas que o pretraining nunca viu. Aqui você testa isso por si mesmo, com suas próprias ferramentas, em seis novos tipos de objeto.
Gate: IA desligada. Os novos objetos (star, bar, arrow, L-shape, hourglass, drop) nunca apareceram nas 4000 fotos em que os encoders foram pré-treinados. Você tem 400 fotos rotuladas deles para treinar uma probe e 500 para testá-la.
Compare três candidatos com seu próprio linear probe da lição 3 (copie ele: o gate não fornece um): o random encoder e os dois encoders SimCLR registrados. As features deles são calculadas para você em F. Depois nomeie o melhor e diga o quanto ele vence o random encoder.
A verificação recomputa tudo com a sonda do curso e passa quando seus números concordam, seu melhor é o melhor real, e ele vence o encoder aleatório por pelo menos 8 pontos.
Palavras e símbolos nesta lição
- linear probe
- a classificador linear treinado em features congeladas: um teste do que as features já dizem
- SimCLR
- treinamento auto-supervisionado com duas visões de cada imagem e InfoNCE (Chen et al. 2020)
Preencha accuracy, best e margin.
IA desligada: sem tutor, dicas ou solução resolvida nesta. Apenas seu próprio pensamento.
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.