Mxnet (31): 应用了image augmentation进行CIFAR-10数据集训练
发布时间
阅读量：
阅读量
图像增强技术通过实施一系列随机变换操作，对训练图像进行处理，从而生成具有相似特征但存在差异的训练样本，以此扩充训练数据集的容量。此外，对部分样本实施随机变换能够在一定程度上削弱模型对于特定属性的依赖性，进而提升模型的泛化性能：
- 采用多样化的裁剪方式对图像进行处理，能够使目标对象在图像中呈现于不同区域，从而降低模型对于目标位置的依赖程度
- 对图像色彩参数进行调整，有助于缓解模型对于颜色特征的过度依赖。
from d2l import mxnet as d2l
from mxnet import autograd, init, np, npx, gluon, image
from mxnet.gluon import nn
from plotly import express as px, graph_objs as go
from IPython.display import Image
import plotly.io as pio
pio.kaleido.scope.default_format = "svg"
npx.set_np()
以一
全部评论 (0)
还没有任何评论哟~