Müfredat 246 dersinden 193. · Modül 18: Etiketsiz öğrenmek
Modül 18: Etiketsiz öğrenmek

Kimsenin etiketlemediği fotoğrafları sıralamak

Neden önemli Etiketler pahalıdır: birinin her resme bakması gerekir. Etiketsiz resimler neredeyse bedavadır. Bir ağ yalnızca etiketsiz resimlerden yararlı özellikler öğrenebilseydi, her model binlerce yerine milyonlarca örnekten başlayabilirdi. Bu öz denetimli öğrenmedir, ve bugünün büyük modelleri böyle ön eğitilir.

Bu modüldeki resimler, karmaşık sahnelerde altı tür nesnenin (top, kutu, halka, çadır, haç, ay) minicik 16 x 16 fotoğraflarıdır: rastgele arka planlar, her yönden ışık, gölgeler, öndeki şeyler, bulanıklık ve sensör gürültüsü. İndirilmemiş, üretilmişlerdir, ve gerçek fotoğraflar gibi davranacak şekilde kurulmuşlardır: kurs her doğal fotoğrafın paylaştığı üç istatistiği ölçtü (ayrıntının ölçekle nasıl azaldığı, kenarların ne kadar seyrek olduğu, komşu piksellerin ne kadar benzediği), ve bu fotoğraflar üçünde de gerçek fotoğraf kırpıntılarının aralığında duruyor. photos.stats(X) onları yazdırır.

Herhangi bir özellik kümesinin hızlı bir testi: her fotoğraf için o özelliklere göre en yakın 5 komşusunu bul ve kaçının aynı tür nesneyi gösterdiğini say. Rastgele tahmin 6'da 1 alır.

Üç tür özellik:

  • ham pikseller;
  • hiç eğitilmemiş, rastgele ağırlıklı bir CNN;
  • aynı CNN, 4000 fotoğraf üzerinde hiç etiket olmadan SimCLR ön eğitiminden sonra (kurs onu bir kez eğitti; nasıl olduğunu 5. derste göreceksin).

Önce tahmin et: hangisi aynı nesnenin fotoğraflarını birbirine en yakın koyuyor?

Bu dersteki kelimeler ve semboller
öz denetimli öğrenme
etiketsiz veriden, verinin kendine koyduğu bir görevle özellik öğrenmek
SimCLR
her resmin iki görünümü ve InfoNCE ile öz denetimli eğitim (Chen vd. 2020)
Senin sıran

my_guess değerini "raw", "random" ya da "simclr" olarak ayarla. agreement(F, labels, k) yaz: her özelliği standartlaştır, her satırı uzunluk 1'e ölçekle, ve aynı etikete sahip k en yakın komşunun (kosinüs benzerliğine göre, bir fotoğraf kendi komşusu değildir) payını döndür. Üç tür özellik için scores'u doldur.

Bu derste bir sorun mu fark ettin? Bildir · Bu ders hakkında soru sor

Bu alıştırma yakında açılacak

Bu dersi bitirince bu ders açılacak. Kursun tamamı ücretsiz, hesap gerekmiyor ve bu dersi hemen şimdi okuyabilirsin.