基于机器学习的无监督数据增强时,增强几倍,在测试的时候通常使用相应倍数的batch进行测试,因为batch小的话很可能结果不稳定,因为增强的时候:一个图片分成两个或者更多个子图片,这些图片的标签都是一样的,在训练过程中,一旦没有训练得到或者在训练效果不佳的情况下,在测试的时候就会造成增强后的子图像分类要么全正确,要么全部错误。因此通过提高测试的batch size 来提升测试结果的稳定性。
data augmetation
最新推荐文章于 2024-01-05 16:02:17 发布
基于机器学习的无监督数据增强时,增强几倍,在测试的时候通常使用相应倍数的batch进行测试,因为batch小的话很可能结果不稳定,因为增强的时候:一个图片分成两个或者更多个子图片,这些图片的标签都是一样的,在训练过程中,一旦没有训练得到或者在训练效果不佳的情况下,在测试的时候就会造成增强后的子图像分类要么全正确,要么全部错误。因此通过提高测试的batch size 来提升测试结果的稳定性。