Augmentacja danych jako darmowe dane
Powiększać zbiór danych za pomocą transformacji
Augmentacja danych jako darmowe dane to bezpłatna lekcja Deep Learning Academy na CoddyKit. To lekcja 4 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej Deep Learning Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs Deep Learning Academy zawiera 4 lekcji w sumie.
Dodatkowe dane za darmo
Augmentacja danych tworzy nowe przykłady treningowe przez przekształcanie już posiadanych, zapewniając modelowi większą różnorodność bez dodatkowych danych. 🎁
Dlaczego pomaga walczyć z przeuczeniem
Pokazywanie lekko zmienionych wersji w każdej epoce powstrzymuje model przed zapamiętywaniem dokładnych pikseli i skłania go do rozpoznawania odpornych wzorców.
Odbicia i obroty
W przypadku obrazów proste odbicia i niewielkie obroty uczą model, że kot nadal jest kotem, nawet gdy obraz zostanie odbity lub przechylony.
Kadrowanie i zmiana rozmiaru
Losowe kadrowanie i zmiana rozmiaru modyfikują ujęcie obiektu, dzięki czemu sieć uczy się rozpoznawać go w dowolnym miejscu kadru.
Losowe zmiany kolorów
Modyfikowanie jasności, kontrastu i odcienia za pomocą losowych zmian kolorów sprawia, że model jest mniej podatny na różnice w oświetleniu i działaniu aparatu.
Łączenie w torchvision
Łączysz przekształcenia za pomocą transforms.Compose, a torchvision stosuje je w locie podczas wczytywania każdego obrazu.
tf = transforms.Compose([
transforms.RandomHorizontalFlip(),
transforms.RandomCrop(32, padding=4)])Stosowanie dla każdej partii
Augmentacja działa wewnątrz Dataset, dlatego w każdej epoce pojawiają się świeżo przekształcone obrazy, a zbiór danych wydaje się znacznie większy.
Zachowaj realizm
Używaj tylko przekształceń, które zachowują etykietę. Odwrócenie cyfry 6 w 9 zniekształciłoby dane zamiast je wzbogacić.
Bez augmentacji podczas testowania
Augmentację stosuj wyłącznie do danych treningowych. Dla walidacji i testów używaj czystych, stałych przekształceń, aby wyniki pozostały porównywalne.
Nie tylko obrazy
Augmentacja nie dotyczy wyłącznie obrazów. W przypadku tekstu stosuje się zamianę synonimów, a w przypadku dźwięku — przesunięcia w czasie i dodawanie szumu, aby powiększać zbiory danych.
Skuteczne sztuczki z mieszaniem
Nowoczesne rozwiązania łączą całe obrazy za pomocą Mixup i CutMix, mieszając próbki oraz etykiety, aby uzyskać jeszcze silniejszą regularyzację.
Szybkie sprawdzenie
Określ, gdzie należy stosować augmentację danych, a gdzie nie należy jej stosować.
Podsumowanie
Nauczyłeś się, czym jest augmentacja danych: przekształceniami danych treningowych zachowującymi etykiety, które zwiększają różnorodność, pomagają walczyć z przeuczeniem i nic nie kosztują. 🌱
Ucz się Python dzięki korepetycjom AI — za darmo
Pisz i uruchamiaj kod w przeglądarce, otrzymuj natychmiastową pomoc od korepetytora AI dostępnego 24/7 i kontynuuj naukę w sieci lub w aplikacji.
- Kursy
- 30
- Lekcje
- 120
Często zadawane pytania
Czy lekcja „Augmentacja danych jako darmowe dane” jest bezpłatna?
Tak — pełny tekst „Augmentacja danych jako darmowe dane” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu Deep Learning Academy, przejdź na CoddyKit PRO. Kurs Deep Learning Academy zawiera 4 lekcji w sumie.
Co nauczysz się w „Augmentacja danych jako darmowe dane”?
Powiększać zbiór danych za pomocą transformacji Ćwiczysz Deep Learning Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć Deep Learning Academy?
Nie wymagamy żadnego doświadczenia. Deep Learning Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 4 z 4.
Ile czasu zajmuje lekcja „Augmentacja danych jako darmowe dane”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji Deep Learning Academy?
Tak. Każda lekcja Deep Learning Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- Odczytywanie luki między train a val
- Dropout: losowe wyłączanie neuronów
- Batch Norm i Layer Norm
- Augmentacja danych jako darmowe dane