Norint suprasti, kaip mokosi klasifikavimo modelis, galima pradėti nuo paprastos užduoties – atskirti puodelį nuo šaukšto. Šis bandymas parodo, iš kur DI gauna pavyzdžius ir kodėl modelio tikslumą reikia matuoti su vaizdais, kurių jis dar nematė.
Sukurkite dvi klases ir surinkite pavyzdžius
Atverkite „Teachable Machine“, pasirinkite vaizdų projektą ir pavadinkite klases „Puodelis“ bei „Šaukštas“. Surinkite po kelias dešimtis kiekvienos klasės nuotraukų. Keiskite kampą, apšvietimą, atstumą ir foną. Kai fotografuojate su įrenginio kamera, pasirinkite kadrus be žmonių, vardų ar dokumentų. Dalį vaizdų pasilikite testui. „Teachable Machine“ pradžia.
Išbandykite su naujais vaizdais
Pasirinkite mokymo veiksmą ir palaukite, kol modelis baigs mokytis. Peržiūroje pateikite po penkias naujas nuotraukas iš kiekvienos klasės ir suskaičiuokite teisingus atpažinimus. Jei programa prie vieno atsakymo rodo 95 proc., šis skaičius yra to atsakymo pasitikėjimo įvertis. Bendrą tikslumą liudija rezultatai su atskiru bandymo rinkiniu. Pavyzdžiui, aštuoni teisingi atsakymai iš dešimties šiame mažame teste yra 80 proc.
Patikrinkite, ko modelis iš tikrųjų išmoko
Pirmą kartą visus puodelius nufotografuokite ant šviesaus fono, o šaukštus – ant tamsaus. Tada išbandykite po vieną daiktą ant priešingo fono. Jeigu modelis dažniau klysta, jis galėjo remtis fonu. Pakartokite mokymą su skirtingais fonais abiejose klasėse ir palyginkite rezultatus su tuo pačiu testu. Dar vienas bandymas – parodyti daiktą, nepriklausantį nė vienai klasei, ir pasižiūrėti, kaip modelis vis tiek bando jį priskirti.
Modelio šiam pratimui eksportuoti ar viešinti nereikia. Jeigu norite pradėti nuo kasdienių užklausų, išbandykite vienos savaitės mokymosi planą.
















