Amélioration des données pour résoudre le surapprentissage | Tutoriel d’apprentissage en profondeur 26 (Tensorflow, Keras et Python)

Lorsque nous n’avons pas suffisamment d’échantillons d’apprentissage pour couvrir diverses situations de classification d’images, CNN peut généralement surdimensionner. Pour résoudre ce problème, nous utilisons une technique appelée augmentation de données en apprentissage profond. L’amélioration des données est utilisée pour générer de nouveaux échantillons d’apprentissage à partir de l’ensemble d’apprentissage actuel à l’aide de diverses transformations (telles que la mise à l’échelle, la rotation, les changements de contraste, etc.). Dans cette vidéo, nous allons classer les images de fleurs et comprendre comment notre modèle cnn est surajusté. Plus tard, nous utiliserons l’augmentation des données pour générer de nouveaux échantillons d’apprentissage afin de voir comment les performances du modèle peuvent être améliorées. Code : Deep Learning Playlist : Machine Learning Playlist : Discord : Site Web : Facebook : Twitter : Linkedin : Clause de non-responsabilité : Toutes les opinions exprimées dans cette vidéo représentent celles de moi-même et non celles de mon employeur. .