Skip to Main Content
弱监督学习实用指南
book

弱监督学习实用指南

by Wee Hyong Tok, Amit Bahree, Senja Filipi
January 2023
Beginner to intermediate content levelBeginner to intermediate
209 pages
3h 55m
Chinese
Southeast University Press
Content preview from 弱监督学习实用指南
88
3
将训练集和验证集的预测合在一起形成一个数据集,我们将使用该数据集来
为这一任务构建深度学习模型,详见第
4
章。
Snorkel_predictions = np.concatenate((preds_train_label,preds_valid_label))
data["Snorkel_labels"] = Snorkel_predictions
data.to_csv("data_nlp.csv")
标记图像数据集:识别室内与室外图像
在本节中,我们将阐述如何将收集的室内和室外图像放在一起形成一个图像
数据集,并使用
Snorkel
与其他计算机视觉工具和预测器,以编程方式识别图
像,将图像分类为室内或室外。
AlexNet
的概念和
GPU
出现后,计算机视觉领域取得了巨大的进步。
ImageNet
图像数据集的存在是推动该领域创新的因素之一,它由
1400
万张
手工标记的图像组成,这些图像分为
22000
个不同的类别。
7
这些大规模的
标记数据对
AlexNet
的创建和图像分类任务的突破性进展至关重要。
AlexNet
概念出现后,
ZFNet
VGG
GoogLeNet
ResNet
SqueezeNet
DenseNet
Visual Transformers
等概念开始涌现。
8
近年来,图像分类的误差率已经从
30%
降至接近
3.5%
,而人工分类的误差率为
5%
9
斯坦福视觉实验室的
Fei-Fei Li
2008
年发起了一个项目:构建和标记
ImageNet
规模的数据集,它是一项十分重要的,并且需要多方努力的项目。 ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Start your free trial

You might also like

人工智能技术与大数据

人工智能技术与大数据

Posts & Telecom Press, Anand Deshpande, Manish Kumar
解密金融数据

解密金融数据

Justin Pauley
C++语言导学(原书第2版)

C++语言导学(原书第2版)

本贾尼 斯特劳斯特鲁普

Publisher Resources

ISBN: 9787576602630