知识卡片
数据增强利用保持标签的变化
数据增强通过裁剪、翻转、颜色扰动等变换,从训练样本生成不同视图,让模型接触合理变化并缓解过拟合。变换必须符合任务的标签语义:例如某些手写数字旋转后可能改变类别,不能盲目当作标签不变。先划分训练、验证和测试数据,再仅对训练数据做随机增强,可以降低同源样本跨集合泄漏的风险。增强样本并不等同于独立采集的新样本。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 纸上谈兵终觉浅,绝知卷积要编程 13.7.1 AlexNet的网络架构 · 查看原书依据
数据增强是指,通过少量的计算从原始图片变换得到新的训练数据。
参考来源
- 位置:《深度学习之美:AI时代的数据处理与最佳实践》第13章《纸上谈兵终觉浅,绝知卷积要编程》,13.7.1 AlexNet的网络架构(book-source:extracted/深度学习之美:AI时代的数据处理与最佳实践/_epub-src/OEBPS/Text/chapter18_0007.xhtml#txt013_27)
- 结论依据:原文列出裁剪、翻转和颜色扰动;标签语义与数据划分是应用时的边界。
- 原始内容:数据增强是指,通过少量的计算从原始图片变换得到新的训练数据。