2020-9-27 吴恩达-结构化ML项目-w2 机器学习策略（2）(课后作业)

最新推荐文章于 2024-07-25 23:06:58 发布

没人不认识我

最新推荐文章于 2024-07-25 23:06:58 发布

阅读量314

点赞数

分类专栏：深度学习 python IT 文章标签：深度学习

本文链接：https://blog.csdn.net/weixin_42555985/article/details/108826028

版权

原文如下

在这里插入图片描述

为了帮助你实践ML策略，本周我们将介绍另一种场景并询问你将如何做。我们认为这个在ML项目中工作的“模拟器”将给出一个引导ML项目的任务。

你被一家自动驾驶的初创公司雇佣。你负责检测图片中的道路标志（停车标志，行人过路标志，前方施工标志）和交通信号标志（红灯和绿灯）。目标是识别这些对象中哪一个出现在每张图片中。例如，下面的图片包含一个行人过路标志和红色交通信号灯标志。
在这里插入图片描述

你的十万张带标签的图片是使用你汽车的前置摄像头拍摄的。这也是你最关心的数据分布。你认为你可以从互联网上获得更大的数据集，即使互联网数据的分布与汽车前置摄像头拍摄的不相同，这也可能对训练有所帮助。

==================================================================
问题1

你刚刚开始这个项目。什么是你做的第一件事？假设下面的每个步骤将花费大约相等的时间（大约几天）。

机器学习需要不断迭代，不断优化，所以刚开始最需要做的事情是解决有无的问题，先搞出一个简单的模型跑跑看，然后根据结果进行误差分析，再根据分析结果逐步完善模型。

==================================================================
问题2

你的目标是检测图片中的道路标志（停车标志，行人过路标志，前方施工标志）和交通信号标志（红灯和绿灯）。目标是识别这些对象中哪一个出现在每张图片中。你计划使用深度NN，隐藏层使用ReLU激活单元。

对于输出层，使用Softmax激活将是输出层的一个比较好的选择，因为这是一个多任务学习问题，对吗？

softmax函数只适用于单一因素的概率计算。如果每个图片中只有一个可能性：停止标志、减速带、人行横道、红绿灯，那么SoftMax将是一个很好的选择。由于本案例不是这种情况，所以不能使用Softmax 激活函数。

==================================================================
问题3

你正在做误差分析并计算算法所产生的错误。你认为你应该手动查看并仔细检查哪些数据集，一次只查看一个图像？

人工检查的重点是分析算法判断错误的例子，查看算法分类出错的那些图片是非常重要的。由于查看算法分类错误造成的每个图片都不太实际，所以我们需要随机选择500个这样的图片并分析出现这种错误的原因。

==================================================================
问题4

在处理了几周数据后，你的团队得到以下数据：

十万张使用汽车前摄像头拍摄的标记了的图片。
九十万张从互联网下载的标记了道路的图片。
每张图片的标签都精确地表示特定的道路标志，交通信号或者它们的组合。例如： $y^{(i)}=\begin{bmatrix} 1 \\ 0 \\ 0 \\ 1 \\ 0 \\ \end{bmatrix}$

关注

专栏目录