Программа курса Урок 89 из 246 · Модуль 7: Работа на новых данных
Модуль 7: Работа на новых данных

Больше данных бесплатно (аугментация)

Почему это важно Сбор данных дорог. Часто можно сделать больше, меняя имеющиеся примеры так, чтобы не менялся их ответ.

Тестовые цифры здесь написаны чуть не по центру: сдвинуты до одного пикселя. Модель, обученная только на центрированных цифрах, этого никогда не видела и получает плохой результат. Поэтому добавьте сдвинутые копии каждой обучающей цифры: метка остаётся той же, ведь 3, сдвинутая на пиксель влево, - всё ещё 3.

Не каждое изменение безопасно

Правило аугментации: делайте только изменения, сохраняющие ответ. Зеркально отражённая цифра - не настоящий почерк, а некоторые отражения превращают одну цифру во что-то близкое к другой. Попробуйте и посмотрите на результат.

Аугментация: обучение на изменённых копиях ваших данных (сдвиги, небольшие повороты, обрезки), сохраняющих верность метки.

Слова и символы этого урока
аугментация
изменённые копии данных, сохраняющие верность метки
Твоя очередь

Напишите shifted_copies(imgs, labs), возвращающую изображения и метки со всеми 9 сдвигами каждого изображения (сдвиги на -1, 0 или +1 пиксель вниз и вбок, через np.roll). Затем оцените три прогона через fit_and_score: plain (только обучающие изображения), shifted (ваши копии) и flipped (обучающие изображения плюс отражённые слева направо копии). Присвойте harmful имя прогона, который навредил.

Заметили проблему в этом уроке? Сообщите о ней · Спросить об этом уроке

Это упражнение откроется скоро

Закончи предыдущий урок, чтобы открылся этот. Весь курс бесплатный, аккаунт не нужен, и ты можешь прочитать этот урок прямо сейчас.