L'apprentissage par transfert
- Leçon 8
- 45 min
- Module 2 : Références de base et classificateurs préentraînés
Où nous en sommes
Nous savons maintenant ce qu'un CNN et un transformeur de vision regardent. En entraîner un à partir de zéro exige des millions d'images. Dans cette leçon, nous prenons un modèle qui a déjà appris à partir de millions de photos. Nous entraînons seulement sa dernière couche sur notre catalogue. D'abord, Hamid embauche une employée qui connaît déjà les entrepôts.
Leçon 8 sur 30 · IA de vision : voir, compter et inspecterL'apprentissage par transfert
1. Voir est un problème d'affaires
2. Références de base et classificateurs préentraînés
3. Plongements, CLIP et peu d'étiquettes
4. Détecter et compter
5. Segmenter
6. Inspecter pour trouver les défauts
7. Apparier, chercher et décrire
8. Exploiter la vision en production
Ce que vous saurez faire
Adaptez un modèle qui a appris sur les photos d’ImageNet aux huit catégories de Larkfield. Vous avez 453 photos étiquetées et le processeur d’un portable. La plupart des travaux sur les images commencent par cette méthode. Elle ajoute les premières lignes solides au tableau comparatif.
Carnet JupyterFaites cette leçon dans un carnet Jupyter
Le carnet (notebook) Jupyter installe PyTorch et timm, soit environ 200 Mo la première fois. Il télécharge les photos du catalogue (environ 9 Mo) et deux modèles (47 Mo et 15 Mo). Il s’exécute en environ 2 minutes sur le processeur d’un portable. Il prend plus de temps sur un ordinateur gratuit de Colab ou de Kaggle. Aucun compte ni aucune clé. Environ 30 minutes.
Le carnet est en anglais. Colab et Kaggle ouvrent votre propre copie. Il faut un compte Google ou Kaggle gratuit. Vous êtes bloqué ? Consultez le carnet de solution.
Avant de commencerCe qu’il faut savoir et avoir sous la main
Ce que vous devez savoir
- Le rôle des couches d’un CNN et de sa dernière couche, et comment lire une fiche de modèle. Voir La convolution et les fragments en une leçon.
- Les colonnes du tableau comparatif, présentées dans Découvrir les images de Larkfield.
- Utile, mais non obligatoire : les époques et le surapprentissage, dans Lots, époques et validation, du cours L’apprentissage profond et les transformeurs expliqués.
Ce qu’il vous faut sur votre ordinateur
- Le carnet. Cette leçon n’ajoute rien au projet
larkvision. Le projet reçoit des modèles préentraînés au prochain module, grâce à des plongements enregistrés.
Testé avec Python 3.12.13, PyTorch 2.15.0 et timm 1.0.31 sous macOS, sur le processeur.
Une employée qui connaît déjà les entrepôts
Section intitulée « Une employée qui connaît déjà les entrepôts »Hamid a besoin d’une nouvelle personne dans son équipe. Il peut embaucher quelqu’un qui n’a jamais vu d’entrepôt. Il doit alors tout lui enseigner : soulever un carton, lire une étiquette, comprendre le mot « fragile ». Cela prend des mois. Ou il peut embaucher une employée de l’entrepôt d’un supermarché. Elle connaît déjà les cartons, les étiquettes et les lecteurs de codes-barres. Hamid lui enseigne seulement les huit catégories de Larkfield. Cela prend une matinée.
La deuxième employée transfère ce qu’elle a appris ailleurs. Elle ne l’oublie pas et n’a pas besoin de tout réapprendre. Elle apprend seulement ce qui est nouveau.
Le problème : 453 photos ne suffisent pas pour partir de zéro
Section intitulée « Le problème : 453 photos ne suffisent pas pour partir de zéro »Le CNN de la leçon précédente a appris ses filtres à partir d’environ 1,3 million de photos d’ImageNet. Larkfield a 453 photos de catalogue étiquetées, dont seulement 15 bougies. Un réseau de 11,7 millions de paramètres initialisés au hasard apprendrait ces 453 photos par cœur. Il échouerait sur de nouvelles photos.
Le ResNet-18 préentraîné n’a pas ce problème. Il voit déjà des contours, des textures et des parties d’objets. Mais sur les photos de Larkfield, il répond avec ses propres 1 000 classes. La section 1 du carnet lui présente trois photos de test :
test/mug/P-ab240c16.jpg -> [('espresso', 0.69), ('cup', 0.23)]test/lamp/P-b87b9773.jpg -> [("jack-o'-lantern", 1.0), ('partridge', 0.0)]test/cushion/P-a4e99b4e.jpg -> [('studio couch, day bed', 0.92), ('paper towel', 0.02)]Il voit bien les photos. Pour ImageNet, une citrouille sculptée avec une lumière à l’intérieur est une « jack-o’-lantern », une citrouille-lanterne. Dans le catalogue de Larkfield, c’est une « lampe » : certaines étiquettes du catalogue sont ainsi. Les yeux du modèle fonctionnent bien. Seule sa dernière étape, les noms qu’il donne, ne convient pas.
L’idée : garder les yeux, remplacer la dernière couche
Section intitulée « L’idée : garder les yeux, remplacer la dernière couche »L’apprentissage par transfert conserve ce qu’un modèle a appris pour une tâche et l’adapte à une autre. Pour un CNN, cela signifie garder les filtres et remplacer la dernière couche. Rappelez-vous la fin de ResNet-18 : chaque photo devient 512 nombres, et la dernière couche les transforme en 1 000 scores. Nous retirons cette dernière couche et en ajoutons une avec 8 sorties, une par catégorie de Larkfield.
Un petit exemple détaillé de dernière couche
Section intitulée « Un petit exemple détaillé de dernière couche »Une dernière couche attribue à chaque classe un poids pour chaque nombre, puis additionne les produits. Prenons seulement trois des 512 nombres et deux classes. Les nombres sont inventés pour cet exemple :
| Bord rond | Feuilles | Flamme | |
|---|---|---|---|
| Nombres d’une photo | 0,9 | 0,1 | 0,0 |
| Poids pour tasse | 2,0 | −1,0 | −1,0 |
| Poids pour bougie | 0,5 | −1,0 | 3,0 |
- Score pour tasse : 0,9 × 2,0 + 0,1 × (−1,0) + 0,0 × (−1,0) = 1,7
- Score pour bougie : 0,9 × 0,5 + 0,1 × (−1,0) + 0,0 × 3,0 = 0,35
La tasse gagne. Entraîner la nouvelle dernière couche consiste à trouver de bons poids à partir des 453 photos étiquetées. Avec 512 nombres et 8 classes, il y a 512 × 8 poids, plus un nombre par classe : 4 104 nombres à apprendre. Le ResNet-18 complet en compte 11 689 512.
Deux façons d’adapter le modèle
Section intitulée « Deux façons d’adapter le modèle »Deux configurations sont courantes. Elles diffèrent par les parties qui apprennent :
Description textuelle du diagramme
Deux rangées de quatre encadrés reliés par des flèches : premières couches (contours, textures), blocs intermédiaires, dernier bloc (layer4) et nouvelle dernière couche. Cette dernière passe de 512 nombres à 8 classes. Dans la première rangée, modèle gelé et dernière couche, les trois premiers encadrés sont en pointillés gris : ils sont gelés. Seule la nouvelle dernière couche a un contour bleu épais : elle apprend 4 104 nombres. Les photos traversent le modèle une seule fois. Dans la deuxième rangée, réglage fin, les deux premiers encadrés sont gelés. Le dernier bloc et la nouvelle dernière couche ont un contour bleu épais : ensemble, ils apprennent 8 397 832 nombres. À chaque époque, les photos traversent de nouveau le modèle.
- Modèle gelé + dernière couche. Le modèle est gelé : ses poids ne changent pas. On appelle souvent réseau de base (backbone) le réseau préentraîné sans sa dernière couche. Chaque photo le traverse une fois et devient 512 nombres. Une régression logistique sur ces nombres forme la nouvelle dernière couche. Cela coûte peu : la partie lente, le réseau, s’exécute une fois par photo.
- Réglage fin. Le dernier bloc du modèle apprend aussi, pendant quelques passages sur les photos d’entraînement, appelés époques. Il peut adapter ses filtres profonds aux photos de Larkfield. Cela coûte plus : à chaque époque, les photos traversent de nouveau le réseau. Un passage en sens inverse met ensuite les poids à jour.
Larkfield : modèle gelé + dernière couche
Section intitulée « Larkfield : modèle gelé + dernière couche »La section 2 du carnet retire la dernière couche (num_classes=0), transforme chaque photo en 512 nombres et entraîne une régression logistique :
backbone = load("resnet18.a1_in1k", num_classes=0).eval()Xtr = embed(backbone, list("data/" + train["file"]))Xte = embed(backbone, list("data/" + test["file"]))head = LogisticRegression(C=1.0, max_iter=5000).fit(Xtr, train["label"])catalogue test accuracy 0.812 worst candle 0.45new studio accuracy 0.794 worst candle 0.513.7 ms per photo on this computer0,812, contre 0,356 avec HOG, sur les mêmes photos et les mêmes 453 étiquettes. Les filtres ImageNet du modèle décrivent les produits de Larkfield bien mieux que les caractéristiques faites à la main. Le studio à l’éclairage plus chaud coûte 2 points, moins que la perte de l’histogramme. La bougie reste la pire classe : 9 bougies de test trouvées sur 20.
La fonction embed du carnet prépare chaque photo selon la fiche de modèle. timm construit les étapes de redimensionnement, de recadrage et de normalisation à partir de cette fiche. Le temps par photo vient de l’exécution de l’équipe du cours; le vôtre sera différent.
Un plus gros modèle voit-il mieux?
Section intitulée « Un plus gros modèle voit-il mieux? »Tomás, l’ingénieur en IA, a une opinion : « Prenez ResNet-50. Un plus gros modèle voit toujours mieux. » L’équipe du cours a mesuré quatre modèles de timm de la même façon : modèle gelé et dernière couche. Elle a utilisé les mêmes photos. Faites d’abord une prédiction : lequel des quatre est le meilleur, et de combien?
Description textuelle du graphique
Quatre points. ConvNeXt-Atto : 15 Mo, exactitude de 0,887. EfficientNet-B0 : 21 Mo, 0,844. ResNet-18 : 47 Mo, 0,812. ResNet-50 : 103 Mo, 0,894. L’axe vertical va de 0,7 à 1. Le plus petit modèle est presque aussi bon que le plus gros et bien meilleur que les deux du milieu.
Le plus gros modèle, ResNet-50 (103 Mo), atteint 0,894. Le plus petit, ConvNeXt-Atto (15 Mo), atteint 0,887 : une photo de moins sur 160. Avec 160 photos de test, une photo représente 0,6 point. Une différence de moins d’environ 3 points est du bruit. Les deux sont donc égaux ici. ConvNeXt-Atto est 7 fois plus petit. Lors de la mesure, il a pris 29,92 ms par photo, contre 68,86 pour ResNet-50. Sa pire classe, bougie, atteint 0,80 (16 trouvées sur 20). C’est aussi bon que la pire classe de ResNet-50, pot de fleurs. C’est bien meilleur que le résultat de 0,45 de ResNet-18 pour bougie.
Pourquoi? La taille est une propriété du modèle, mais pas la plus importante. ConvNeXt est une architecture plus récente, entraînée avec une méthode plus récente. Ce qu’un modèle a appris, et comment, compte davantage que son nombre de paramètres. La règle de Tomás échoue ici. La seule façon de savoir est de mesurer sur vos propres photos.
Affiner un peu plus le modèle
Section intitulée « Affiner un peu plus le modèle »La section 4 du carnet permet aussi au dernier bloc (layer4) d’apprendre, avec une nouvelle dernière couche, pendant 4 époques :
epoch 1: loss 1.793epoch 2: loss 0.996epoch 3: loss 0.511epoch 4: loss 0.246training: 44 sfine-tuned, no augmentation: 0.85 | worst candle 0.4La perte mesure à quel point le modèle se trompe sur les photos d’entraînement : elle baisse à chaque époque. L’exactitude de test passe de 0,812 à 0,850. Sur le processeur d’un portable, l’entraînement a pris environ 31 secondes lors de la mesure de l’équipe du cours. Il a pris 44 secondes lors de l’exécution du carnet. Voilà le coût : 4 époques de réglage fin prennent autant de temps que plusieurs calculs des plongements du catalogue.
Le réglage fin a amélioré ResNet-18 de 4 points. Il n’a pas aidé la bougie : 8 sur 20, contre 9 avec le modèle gelé. Et ConvNeXt-Atto gelé (0,887) reste devant ResNet-18 avec réglage fin. Choisir le bon modèle préentraîné comptait davantage que l’entraîner plus longtemps.
L’augmentation de données, et quand elle nuit
Section intitulée « L’augmentation de données, et quand elle nuit »Le carnet utilise les mêmes 453 photos d’entraînement à chaque époque. L’augmentation de données modifie légèrement chaque photo d’entraînement à chaque époque, par du code : reflet, recadrage plus serré, autres couleurs. Le modèle voit plus de types de photos, et les mémoriser devient plus difficile. Voici les trois changements testés par l’équipe du cours :

Description textuelle du diagramme
Quatre versions d’une photo : une plante aux feuilles vertes dans un pot orange. L’originale. Retournée : un reflet, avec la gauche et la droite inversées. Recadrée : une vue rapprochée qui agrandit une partie de la plante et coupe ses bords. Couleurs modifiées : la même vue avec une luminosité, un contraste et des couleurs différents. Chaque version représente encore clairement un pot de fleurs.
L’équipe du cours a réglé finement ResNet-18 trois fois, avec la même graine aléatoire, les mêmes époques et les mêmes paramètres :
- sans augmentation
- retournements et recadrages
- retournements, recadrages et couleurs
Description textuelle du graphique
Trois lignes sur 4 époques. Sans augmentation de données : 1,79, 1,00, 0,51, 0,25. Retournements et recadrages : 1,80, 1,12, 0,67, 0,40. Retournements, recadrages et couleurs : 1,83, 1,18, 0,77, 0,49. Les exécutions avec augmentation de données finissent avec une perte plus élevée, car leurs photos d’entraînement sont plus difficiles. Les exactitudes de test sont de 0,850, 0,844 et 0,863.
Avec l’augmentation de données, la perte d’entraînement reste plus élevée : les photos sont plus difficiles à apprendre par cœur. C’est le but. Mais les exactitudes de test sont de 0,850, 0,844 et 0,863 : au plus 2 photos de différence, donc du bruit. L’augmentation de données n’a pas aidé ici. La majeure partie du modèle était gelée, et seul le dernier bloc apprenait. En 4 époques, le modèle avait donc peu de possibilités de mémoriser.
L’augmentation de données peut aussi nuire. Elle est sûre seulement si le changement conserve la validité de l’étiquette. La leçon Limiter le surapprentissage du cours sur l’apprentissage profond explique cette règle. Chez Larkfield :
- Modifier les couleurs est incorrect quand la couleur est la réponse. Si l’équipe d’Omar demande « de quelle couleur est cette tasse? », modifier une tasse rouge enseigne au modèle que rouge signifie bleu.
- Recadrer est incorrect quand la partie importante est petite. Recadrez une photo de retour, et le coin endommagé d’une bougie peut disparaître du cadre. L’étiquette indique pourtant toujours « endommagé ».
- Retourner est incorrect quand la gauche et la droite comptent, par exemple pour du texte imprimé sur un produit.
Erreur courante
Un gagnant choisi sur deux photos
Symptôme : vous comparez les trois exécutions de réglage fin sur les photos de test. « Retournements, recadrages et couleurs » a la meilleure exactitude : 0,863 contre 0,850. Vous écrivez dans votre rapport : « L’augmentation des couleurs améliore le modèle du catalogue. »
Cause : 0,863 − 0,850 donne 0,013 : deux photos de test sur 160. Une autre graine aléatoire ou un autre ordre des photos d’entraînement peut changer deux réponses. Vous avez aussi choisi le gagnant en regardant les données de test. Son score est donc maintenant un peu trop favorable.
Correction : avec 160 photos de test, traitez les différences de moins d’environ 3 points comme du bruit. Choisissez les paramètres sur les photos de validation, pas celles de test. Répétez une exécution avec deux ou trois graines aléatoires quand le choix compte. Gardez la configuration la plus simple quand les résultats sont égaux : ici, sans augmentation de données.
Conséquence pour le travail en IA : de petites différences sur de petites données de test créent de faux progrès. Indiquez la taille des données de test à côté de chaque nombre, comme le fait le tableau comparatif.
Le tableau comparatif jusqu’ici
Section intitulée « Le tableau comparatif jusqu’ici »Voici toutes les méthodes du module pour le catalogue, sur les mêmes 160 photos de test :
- Classiques (sans fichier de modèle)
- Préentraînés, modèle gelé + dernière couche
- ResNet-18, réglage fin sur 4 époques
Description textuelle du graphique
Une ligne par méthode, avec son exactitude sur un axe de 0 à 1. Méthodes classiques : règles 0,269, histogramme de couleurs avec 5 voisins 0,263, HOG avec régression logistique 0,356. Modèles préentraînés, gelés avec une nouvelle dernière couche : ResNet-18 0,812, EfficientNet-B0 0,844, ConvNeXt-Atto 0,887, ResNet-50 0,894. ResNet-18 avec réglage fin sur 4 époques : sans augmentation de données 0,850, retournements et recadrages 0,844, retournements, recadrages et couleurs 0,863. Un grand écart sépare les méthodes classiques, toutes sous 0,4, des modèles préentraînés, tous au-dessus de 0,8.
L’écart entre les deux groupes est le résultat principal de ce module. Les méthodes classiques restent sous 0,4. Chaque modèle préentraîné dépasse 0,8, avec les mêmes 453 étiquettes. Dans le groupe préentraîné, les différences sont petites, et le plus petit modèle figure parmi les meilleurs.
Quand utiliser l’apprentissage par transfert
Section intitulée « Quand utiliser l’apprentissage par transfert »- Utilisez d’abord un modèle gelé + dernière couche. Cela coûte peu et s’exécute en quelques secondes sur un processeur. Ici, cette méthode était aussi bonne que le réglage fin. Essayez deux ou trois modèles et gardez celui que les résultats du tableau appuient.
- Faites un réglage fin quand les caractéristiques gelées ne suffisent pas et que vous avez davantage de photos étiquetées qu’ici. Vos photos peuvent aussi différer beaucoup d’ImageNet, comme des radiographies ou des palettes dessinées par du code. Gardez des données de validation pour choisir le nombre d’époques.
- Ne vous fiez pas seulement à la taille ou au score de la fiche de modèle. Mesurez sur vos propres photos.
- Le coût : ici, un fichier de modèle de 15 à 103 Mo, et 13 à 69 ms par photo sur le processeur de l’équipe du cours. L’histogramme exige environ 1 ms. Il faut aussi considérer la licence du modèle : ces poids sont sous Apache-2.0, mais ils ont appris sur ImageNet. La leçon Quand ne pas le construire aborde les conditions d’utilisation d’ImageNet.
À vous de jouer : un plus petit modèle
Section intitulée « À vous de jouer : un plus petit modèle »La section 6 du carnet contient une tâche et une cellule de vérification. C’est l’exercice guidé du module : entraînez un classificateur de dernière couche et ajoutez-le au tableau avec son temps sur processeur.
- Chargez
"convnext_atto.d2_in1k"avecnum_classes=0, puis appelez.eval(). - Démarrez un chronomètre avec
time.perf_counter(). - Calculez les plongements des photos d’entraînement et de test avec
embed. - Placez les millisecondes par photo dans
ms_convnext. - Entraînez
LogisticRegression(C=1.0, max_iter=5000)sur les plongements d’entraînement. - Placez l’exactitude de test dans
acc_convnext, puis exécutez la cellule de vérification. - Ajoutez votre ligne à
mineaveccp.classification_row, puis affichez le tableau.
Afficher la réponse
small = load("convnext_atto.d2_in1k", num_classes=0).eval()start = time.perf_counter()Ctr = embed(small, list("data/" + train["file"]))Cte = embed(small, list("data/" + test["file"]))ms_convnext = 1000 * (time.perf_counter() - start) / (len(train) + len(test))pred = LogisticRegression(C=1.0, max_iter=5000).fit(Ctr, train["label"]).predict(Cte)acc_convnext = cp.classification_scores(list(test["label"]), list(pred), CLASSES)["accuracy"]mine.add(cp.classification_row("ConvNeXt-Atto, frozen + last layer (yours)", list(test["label"]), list(pred), "catalogue test", round(ms_convnext, 1), 15, len(train), "Apache-2.0 (weights)"))mine.show("catalogue", columns=("method", "value", "worst", "worst_value", "ms_per_image", "model_mb"))catalogue: accuracymethod value worst worst_value ms_per_image model_mbResNet-18, frozen + last layer (yours) 0.812 candle 0.450 13.7 47ConvNeXt-Atto, frozen + last layer (yours) 0.887 candle 0.800 40.6 15La vérification affiche Check passed: acc_convnext is 0.887. (Vérification réussie : acc_convnext vaut 0,887.) Le temps par photo dépend de l’ordinateur et des autres tâches qui s’y exécutent. La mesure de l’équipe du cours a donné 29,9 ms, et cette exécution du carnet, 40,6 ms.
Vérification des connaissances
Section intitulée « Vérification des connaissances »Vérifiez votre compréhension
Pourquoi entraîner une nouvelle dernière couche sur 453 photos fonctionne-t-il, contrairement à entraîner ResNet-18 à partir de nombres aléatoires?
Afficher la réponse
Un ResNet-18 gelé transforme déjà chaque photo en 512 nombres qui décrivent les contours, les textures et les parties. Il les a appris à partir d’environ 1,3 million de photos d’ImageNet. La nouvelle dernière couche apprend seulement à pondérer ces nombres pour 8 classes : 4 104 nombres. 453 photos suffisent pour cela. Entraîner les 11,7 millions de paramètres à partir de nombres aléatoires sur 453 photos ferait mémoriser les photos d’entraînement. Le modèle échouerait sur de nouvelles photos.
Votre réponse contient-elle les points principaux de la nôtre ?
Connectez-vous et inscrivez-vous au cours pour enregistrer vos réponses. Chaque vérification compte pour le certificat.
Vérifiez votre compréhension
Tomás dit : « ResNet-50 est le plus gros modèle, donc on devrait l'utiliser. » Répondez avec les chiffres de cette leçon.
Afficher la réponse
ResNet-50 (103 Mo) atteint 0,894 et ConvNeXt-Atto (15 Mo) atteint 0,887. L’écart correspond à une seule photo de test, ce qui relève du bruit avec 160 photos. ConvNeXt-Atto est 7 fois plus petit et a pris environ 30 ms par photo, contre environ 69 ms. Sa pire classe (bougie, 0,80) est aussi bonne que celle de ResNet-50 (pot de fleurs, 0,80). Un plus gros modèle n’a pas mieux vu ici. Choisissez le plus petit, sauf si davantage de données de test montrent une vraie différence.
Votre réponse contient-elle les points principaux de la nôtre ?
Connectez-vous et inscrivez-vous au cours pour enregistrer vos réponses. Chaque vérification compte pour le certificat.
Vérifiez votre compréhension
Hamid demande : « L'histogramme obtient 0,263 et ConvNeXt-Atto, 0,887. Y a-t-il un cas où Larkfield devrait utiliser l'histogramme? » Répondez avec les chiffres de votre tableau comparatif.
Afficher la réponse
Oui, quand la couleur donne la réponse et que la caméra et l’éclairage restent fixes. L’histogramme ne nécessite aucun fichier de modèle et prend environ 1 ms par photo. ConvNeXt-Atto nécessite 15 Mo et prend environ 30 ms. Pour les retours, avec une seule caméra et un seul éclairage, une règle de couleur coûte 1 779 $ US par jour. Sans vérification, le coût est de 2 229 $ US. Cette règle ne nécessite aucune étiquette. Pour le catalogue, non : les photos proviennent de plusieurs caméras, sous différents éclairages. L’histogramme donne la bonne réponse pour seulement une photo sur quatre environ. Il perd aussi environ 4 points sous l’éclairage plus chaud du studio.
Votre réponse contient-elle les points principaux de la nôtre ?
Connectez-vous et inscrivez-vous au cours pour enregistrer vos réponses. Chaque vérification compte pour le certificat.
Récapitulatif
- L’apprentissage par transfert conserve les filtres d’un modèle préentraîné et remplace sa dernière couche. ResNet-18 avec une nouvelle dernière couche apprend 4 104 nombres et atteint 0,812, contre 0,356 pour HOG.
- Plus gros ne veut pas dire meilleur ici : ConvNeXt-Atto (15 Mo) atteint 0,887. C’est aussi bon que ResNet-50 (103 Mo, 0,894) et meilleur que ResNet-18 (0,812).
- Le réglage fin du dernier bloc pendant 4 époques a fait passer ResNet-18 à 0,850. Cela a pris environ 30 secondes sur un processeur. L’augmentation de données n’a pas aidé sur 453 photos : 0,844 et 0,863 restent dans les limites du bruit.
- L’augmentation de données doit préserver la validité de l’étiquette : aucun changement de couleur quand la couleur donne la réponse. Aucun recadrage qui pourrait enlever le dommage.
- Le tableau comparatif compte maintenant deux groupes : les méthodes classiques sous 0,4 et les modèles préentraînés au-dessus de 0,8. La bougie reste la pire classe.
Vous pouvez maintenant adapter un modèle préentraîné avec quelques centaines d’étiquettes. Mais jusqu’ici, chaque méthode nécessitait un modèle entraîné pour cette seule tâche. Ensuite, dans le module 3, vous utilisez les 512 nombres eux-mêmes. Vous comparez les photos à l’aide de ces nombres, représentez le catalogue sur une carte et trouvez les classes que le modèle confond.
Leçon suivante : Les plongements d'images