在深度学习中,"ground-truth labels"(真值标签)是指数据集中每个样本的正确答案或真实状态。这些标签是由人类专家提供的,代表了我们希望模型学习预测的准确结果。在训练深度学习模型时,真值标签被用作参照点,以计算模型预测的准确性和调整模型参数,目的是让模型的预测尽可能接近这些真值标签。
举个例子,在图像分类任务中,每张图片都会被标记为“猫”、“狗”、“鸟”等标签之一,这些标签就是真值标签。模型的任务是学习如何根据图片内容准确地预测这些标签。在测试阶段,模型的预测结果会与真值标签进行比较,以评估模型的性能。
真值标签对于监督学习来说至关重要,因为它们提供了学习的“标准答案”。没有准确的真值标签,评估和提高模型性能将变得非常困难。此外,在实际应用中,收集和标记高质量的真值标签通常是一项耗时且成本高昂的任务,但它对于训练有效的深度学习模型来说是必不可少的。