CLIP en zéro exemple
- Leçon 10
- 35 min
- Module 3 : Plongements, CLIP et peu d'étiquettes
Où nous en sommes
Dans la dernière leçon, les plongements rapprochaient les photos semblables. Mais chaque méthode avait encore besoin de photos d'entraînement étiquetées pour les comparer. CLIP va plus loin : il place les photos et le texte dans le même espace. Dans cette leçon, nous classons des photos du catalogue avec des requêtes textuelles, sans entraînement. Nous voyons aussi combien la formulation d'une requête compte. D'abord, une employée qui dispose seulement d'une liste écrite.
Leçon 10 sur 30 · IA de vision : voir, compter et inspecterCLIP en zéro exemple
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
Classez les photos dans les catégories de Larkfield avec seulement les noms des catégories, sans aucune photo étiquetée. Vous pouvez ainsi trier les photos dès le premier jour d’une nouvelle catégorie, avant que quiconque ait étiqueté quoi que ce soit.
Carnet JupyterFaites cette leçon dans un carnet Jupyter
Le carnet (notebook) Jupyter contient toutes les cellules de code, les tâches et les vérifications de cette leçon. Ses cellules de préparation installent les paquets, dont PyTorch et open_clip, et téléchargent les photos du catalogue en fichiers zip. Il télécharge le modèle CLIP (605 Mo) une seule fois. Aucun compte ni aucune clé ne sont nécessaires. Prévoyez environ 30 minutes, plus quelques minutes pour le premier téléchargement.
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
- Les plongements, la similarité cosinus et les paires confondues pot de fleurs–vase et bol–tasse, dans Les plongements d’images.
- L’exactitude et le rappel par classe, dans Les métriques de classification du cours d’apprentissage automatique.
- Les données de validation et de test, dans Données d’entraînement, de validation et de test.
Ce qu’il vous faut sur votre ordinateur
Rien si vous utilisez le carnet. Le téléchargement de CLIP demande environ 1 Go d’espace disque libre. Votre projet larkvision ne change pas dans cette leçon.
Testé avec Python 3.12.13, PyTorch 2.15.0 et open_clip 4.2.1 sur macOS, dans Jupyter. Colab, Kaggle et Windows n’ont pas été testés.
Trier à partir d’une liste écrite
Section intitulée « Trier à partir d’une liste écrite »Lundi, l’entrepôt des retours de Larkfield reçoit une nouvelle étagère pour un type de produit qu’il n’avait jamais eu. Hamid n’a pas le temps de montrer des exemples à la nouvelle employée. Il lui donne plutôt une liste : « Étagère 7 : pots de fleurs. Étagère 8 : vases. » Elle n’a jamais vu les pots de fleurs de Larkfield. Elle comprend quand même ces mots, car elle a vu des pots de fleurs et lu à leur sujet toute sa vie. Elle lit donc le mot, regarde l’article et décide.
Cela fonctionne parce qu’elle relie deux types de connaissances : l’apparence des choses et leur nom. Une enfant qui a seulement vu des photos de girafes dans un livre peut en montrer une au zoo. Personne n’a eu besoin de lui montrer d’abord cent girafes étiquetées.
Le problème : une catégorie sans photos étiquetées
Section intitulée « Le problème : une catégorie sans photos étiquetées »Les plongements de la dernière leçon sont de bonnes descriptions. Mais chaque classificateur construit avec eux avait besoin de photos d’entraînement étiquetées. La règle de la photo la plus proche demande des photos à comparer. La dernière couche de l’apprentissage par transfert demande quelques centaines d’étiquettes.
Omar, le gestionnaire de produit, ajoute souvent une nouvelle catégorie. Le premier jour, elle ne contient aucune photo étiquetée. Étiqueter 50 photos par classe prend des heures à une personne, et il faut d’abord recueillir les photos. Jusque-là, les méthodes vues dans ce cours n’ont rien pour apprendre. Peut-on trier des photos dans une catégorie qui a seulement un nom?
L’idée : un espace pour les photos et les mots
Section intitulée « L’idée : un espace pour les photos et les mots »CLIP possède deux encodeurs. L’encodeur d’image transforme une photo en 512 nombres, comme dans la dernière leçon. L’encodeur de texte transforme aussi une phrase en 512 nombres, dans le même espace. Une photo d’un pot de fleurs et la phrase « a photo of a plant pot » (une photo d’un pot de fleurs) produisent des plongements orientés dans des directions semblables.
CLIP a appris cela à partir de photos du Web et de leurs légendes. LAION a entraîné le modèle utilisé dans ce cours sur environ deux milliards de ces paires, selon sa fiche de modèle. Pendant l’entraînement, CLIP voit un lot de photos et leurs légendes. Il apprend à donner à chaque photo un cosinus élevé avec sa propre légende. Il apprend aussi à lui donner un cosinus faible avec toutes les autres légendes du lot. Cet entraînement est contrastif : il apprend par contraste entre les bonnes et les mauvaises paires. Son nom le dit : CLIP signifie Contrastive Language–Image Pre-training, soit préentraînement contrastif langage-image.
Pour classer une photo, nous écrivons une phrase par classe, appelée requête (prompt). Par exemple : « a photo of a bowl. » (une photo d’un bol), « a photo of a candle. » (une photo d’une bougie). Les requêtes restent en anglais, la langue que CLIP a apprise. Nous produisons les plongements des huit requêtes et de la photo. La réponse est la classe dont la requête a le cosinus le plus élevé avec la photo. Aucune photo étiquetée n’a servi. On appelle donc cela la classification zéro exemple (zero-shot) : aucun exemple.
Description textuelle du diagramme
À gauche, une photo d’un pot de fleurs entre dans l’encodeur d’image, qui donne 512 nombres. En dessous, huit textes entrent dans l’encodeur de texte, de « une photo d’un bol. » à « une photo d’un vase. ». Il donne 512 nombres pour chaque texte. Les deux flèches se rejoignent dans un espace partagé. Là, nous calculons le cosinus de la photo avec chaque texte. Il vaut 0,269 pour pot de fleurs, 0,211 pour vase, 0,210 pour bol, et moins pour les autres. À droite, la réponse est le texte au cosinus le plus élevé : pot de fleurs.
Un petit exemple détaillé : deux pots de fleurs
Section intitulée « Un petit exemple détaillé : deux pots de fleurs »Voici deux photos de test. Toutes deux portent l’étiquette pot de fleurs.

Description textuelle du diagramme
La photo 1 montre un aloès aux feuilles vertes épaisses poussant dans de la terre sombre, vu de dessus. La photo 2 montre un gros bouquet de tournesols dans un seau en plastique blanc. C’est le seau rencontré parmi les voisins dans la dernière leçon.
La section 2 du carnet calcule le cosinus de chaque photo avec les huit requêtes « a photo of a … ». Voici les quatre valeurs les plus élevées :
| Photo 1 | Cosinus | Probabilité | Photo 2 | Cosinus | Probabilité | |
|---|---|---|---|---|---|---|
| pot de fleurs | 0,269 | 0,994 | vase | 0,244 | 0,563 | |
| vase | 0,211 | 0,003 | pot de fleurs | 0,241 | 0,434 | |
| bol | 0,210 | 0,003 | tasse | 0,187 | 0,002 | |
| bougie | 0,193 | 0,000 | bol | 0,173 | 0,000 |
Les cosinus entre une photo et un texte sont faibles, environ 0,1 à 0,3. Les photos et les phrases sont différentes : elles ne pointent donc jamais exactement dans la même direction. Ce qui compte, c’est la requête dont le cosinus est le plus élevé. Pour la photo 1, pot de fleurs gagne nettement. Pour la photo 2, vase gagne par 0,003.
Pour transformer les cosinus en probabilités, CLIP les multiplie par 100 et applique la fonction softmax. Cette fonction élève e à la puissance de chaque nombre, puis divise chaque résultat par leur somme. Prenons les deux valeurs les plus élevées de la photo 2, qui regroupent presque toute la probabilité :
- 100 × 0,244 = 24,4 et 100 × 0,241 = 24,1. La différence est de 0,3.
- e à la puissance 0,3 vaut 1,35. Vase reçoit donc 1,35 fois la probabilité de pot de fleurs.
- 1,35 / (1,35 + 1) = 0,57 pour vase, et 1 / 2,35 = 0,43 pour pot de fleurs. Les valeurs exactes ci-dessus (0,563 et 0,434) accordent aussi une petite part à tasse.
Le facteur 100 transforme de petites différences de cosinus en grandes différences de probabilité. Une probabilité de 0,56 ne signifie donc pas ici « certain à 56 % » au sens courant. Elle signifie « un choix serré entre deux classes ». La photo 2 présente un choix serré pour une bonne raison : un seau de tournesols coupés sert de vase. Une personne pourrait aussi hésiter.
Les mots de la requête comptent
Section intitulée « Les mots de la requête comptent »La requête est tout ce que CLIP connaît des classes de Larkfield. Ses mots comptent donc. La section 3 du carnet compare trois façons d’écrire les requêtes sur les 160 photos de test :
- Nom de classe seulement : « plant pot ».
- « a photo of a {class}. » (une photo d’un…) : une phrase, comme les légendes qui ont servi à entraîner CLIP.
- Huit modèles de phrase : huit phrases par classe, comme « a product photo of a plant pot. » (une photo de produit d’un pot de fleurs) et « a close-up photo of a plant pot. » (une photo en gros plan d’un pot de fleurs). CLIP produit les huit plongements. Leur moyenne devient le plongement textuel de la classe. C’est un ensemble de requêtes, aussi appelé prompt ensembling, soit combinaison de requêtes.
- Exactitude, 160 photos de test
- Rappel de pot de fleurs, 20 photos de test
Description textuelle du graphique
Un diagramme avec deux groupes de trois colonnes, sur un axe de 0,7 à 1. Exactitude sur les 160 photos de test : nom de classe seulement 0,900, « a photo of a » 0,906, huit modèles de phrase 0,925. Rappel de pot de fleurs sur ses 20 photos de test : nom de classe seulement 0,90, « a photo of a » 0,80, huit modèles de phrase 0,80.
De nombreux guides disent que « a photo of a plant pot » fonctionne mieux que « plant pot ». Les légendes d’entraînement de CLIP sont des phrases, pas des mots isolés. Ici, ce conseil ne s’est pas confirmé. L’exactitude globale a augmenté d’une photo (de 0,900 à 0,906). Pot de fleurs a fait moins bien : 18 bonnes réponses sur 20 avec le nom seul, 16 avec « a photo of a ». Les huit modèles de phrase ont obtenu le meilleur résultat global, avec 0,925 : quatre photos correctes de plus que le nom seul. Ils n’ont pas aidé pot de fleurs non plus.
Interprétez ces différences avec prudence. Les données de test contiennent 160 photos : une photo fait donc varier l’exactitude de 0,006. Une différence de moins de 3 points environ peut venir du hasard. Les huit modèles de phrase gagnent par 2,5 points : au mieux, un petit gain réel. La leçon n’est pas « cette formulation est la meilleure ». La leçon est : mesurez la formulation sur vos propres photos, et préférez un ensemble de requêtes à une seule phrase.
Les erreurs du zéro exemple
Section intitulée « Les erreurs du zéro exemple »Avec « a photo of a {class}. », voici les erreurs parmi les classes de contenants :

Description textuelle du diagramme
Cinq photos. Des tournesols dans un seau blanc, étiquette pot de fleurs : CLIP a répondu vase. Un panier en fil métallique avec des tulipes et des œufs peints, étiquette pot de fleurs : CLIP a répondu vase. Un bol rond en verre de plantes succulentes vu de dessus, étiquette pot de fleurs : CLIP a répondu bol. Un pot en céramique peinte avec une plante, sur une table sombre, étiquette pot de fleurs : CLIP a répondu bol. Un pichet blanc fissuré avec une fleur rose, parmi des plantes, étiquette vase : CLIP a répondu pot de fleurs.
Regardez-les comme le ferait l’employée de Hamid. Chaque erreur concerne un contenant qui peut porter deux noms justifiés : un bol en verre rempli de plantes, un seau de fleurs, un pichet parmi des plantes. Les mots de CLIP viennent du Web, où les gens utilisent « vase », « bol » et « pot » assez librement. L’équipe du catalogue de Larkfield les utilise à sa façon. Le zéro exemple ne peut pas apprendre cette façon : seuls des exemples étiquetés peuvent la lui enseigner. C’est le rôle de la prochaine leçon.
Larkfield : zéro étiquette contre 453 étiquettes
Section intitulée « Larkfield : zéro étiquette contre 453 étiquettes »Ajoutez le zéro exemple aux méthodes du module 2 dans le tableau comparatif. Toutes les lignes portent sur les mêmes 160 photos de test :
| Méthode | Photos étiquetées | Exactitude | Classe la plus faible |
|---|---|---|---|
| Histogramme de couleurs + 5-NN | 453 | 0,263 | vase 0,05 |
| ResNet-18, gelé + dernière couche | 453 | 0,812 | bougie 0,45 |
| ResNet-18, réglage fin sur 4 époques | 453 | 0,850 | bougie 0,40 |
| ConvNeXt-Atto, gelé + dernière couche | 453 | 0,887 | bougie 0,80 |
| ResNet-50, gelé + dernière couche | 453 | 0,894 | pot de fleurs 0,80 |
| CLIP en zéro exemple, huit modèles de phrase | 0 | 0,925 | pot de fleurs 0,80 |
CLIP, sans aucune étiquette, fait au moins aussi bien que chaque méthode du module 2 utilisant les 453 étiquettes. Son avance sur ResNet-50 est de 5 photos, environ 3 points : à la limite du bruit. Il ne souffre pas non plus du petit nombre de bougies : il a trouvé les 20 bougies de test. Il n’a jamais appris à partir des photos d’entraînement déséquilibrées. Sur les photos aux tons plus chauds du nouveau studio, il donne 0,912, presque le même résultat.
Tomás est ravi : « Donc, on n’a plus jamais besoin d’étiqueter quoi que ce soit. » Priya reste prudente : « Le zéro exemple connaît le sens de nos mots sur le Web. Quand notre sens diffère, comme pour les pots de fleurs, il continue à se tromper. Et nous n’avons aucun moyen de lui enseigner notre sens. Et 0,925, ça veut dire 12 photos incorrectes sur 160. »
Quand utiliser le zéro exemple, et ce qu’il coûte
Section intitulée « Quand utiliser le zéro exemple, et ce qu’il coûte »Utilisez-le :
- Le premier jour d’une nouvelle catégorie, avant qu’une photo soit étiquetée.
- Pour trier grossièrement un grand lot de photos et accélérer l’étiquetage : les personnes corrigent la réponse de CLIP plutôt que de partir de zéro.
- Comme référence de base que toute méthode entraînée doit dépasser.
Ne l’utilisez pas seul :
- Quand vos classes suivent vos propres règles, pas les mots courants. Distinguer pot de fleurs et vase est une règle de Larkfield.
- Pour les petits détails. Le tableau comparatif contient une requête CLIP pour « un lampion endommagé ». Elle coûte environ 1 013 $ US par jour sur le test des retours. C’est mieux que sans inspection (2 229 $ US), mais loin de la meilleure méthode du module 6. Un plongement de la photo entière remarque à peine une petite ébréchure.
- Pour des mots que CLIP n’a jamais vus dans les légendes, comme les codes de produit de Larkfield.
Coûts : le modèle fait 605 Mo et demande environ 8 ms par photo sur le processeur d’un portable, par lots. Les plongements textuels sont calculés une seule fois par classe. Les poids sont sous licence MIT. Ils ont appris à partir des légendes du Web, avec ses erreurs et ses biais. Le module 7 revient sur les licences et les risques de ces modèles.
Exercices guidés : zéro exemple dans le carnet
Section intitulée « Exercices guidés : zéro exemple dans le carnet »- Ouvrez le carnet depuis l’encadré Faites cette leçon dans un carnet Jupyter en haut de cette page.
- Exécutez les cellules de préparation. La première installe les paquets, dont open_clip. La deuxième se termine par une ligne
Ready:(prêt). - Exécutez la section 1. Elle télécharge CLIP une seule fois. Vous voyez
(120, 512) (160, 512). - Exécutez la cellule suivante. Le plongement calculé en direct de la photo 1 et celui enregistré ont un cosinus de
1.0: c’est le même modèle. - Dans la section 2, prédisez les deux classes les plus proches pour la photo 2. Exécutez ensuite la cellule. Vous voyez vase
0.563et pot de fleurs0.434. - Exécutez la section 3. Vous voyez les exactitudes
0.9,0.906et0.925, et les rappels de pot de fleurs0.9,0.8et0.8.
À vous de jouer : un autre nom pour une classe
Section intitulée « À vous de jouer : un autre nom pour une classe »Open Images, la source des photos du catalogue, nomme cette classe « Flowerpot » (pot de fleurs). CLIP connaît peut-être mieux ce nom. Dans la section 4 du carnet, remplacez « plant pot » par « flowerpot » dans les noms de classes. Mesurez ensuite l’exactitude avec les huit modèles de requête sur les photos de validation, et placez-la dans flowerpot_val. Avant de lancer le calcul, faites une prédiction : « flowerpot » gagnera-t-il?
Afficher la réponse
names = NAMES.copy()names[CLASSES.index("plant_pot")] = "flowerpot"flowerpot_val = round(float(np.mean(np.array(zero_shot(Xval, names, EIGHT)) == val["label"].values)), 3)print(flowerpot_val)0.967La cellule suivante évalue « plant pot » sur les mêmes photos de validation : elle obtient aussi 0,967. Les deux noms classent correctement 116 des 120 photos de validation. Les données de validation ne permettent pas de les départager. Vous gardez donc le choix le plus simple, le nom utilisé par votre équipe. Vous ne consultez pas les données de test pour les départager. Le cas d’échec ci-dessous montre pourquoi.
Erreur courante
Choisir la requête sur les données de test
Symptôme : Tomás essaie cinq noms pour la classe des pots de fleurs avec les huit modèles de requête. Il évalue chacun sur les 160 photos de test :
| Nom pour le pot de fleurs | Exactitude sur les données de test | Exactitude sur les données de validation |
|---|---|---|
| plant pot | 0,925 | 0,967 |
| flowerpot | 0,938 | 0,967 |
| flower pot | 0,938 | 0,950 |
| pot plant | 0,944 | 0,967 |
| houseplant in a pot | 0,931 | 0,958 |
Il garde « pot plant » et annonce 0,944 à Omar : « Deux points de mieux que les requêtes du cours. »
Cause : il a choisi le nom à cause de son score sur les données de test. Une partie de ce gain vient du hasard : ces 160 photos conviennent particulièrement bien à « pot plant ». Le meilleur de cinq essais paraît toujours un peu trop bon. La leçon Données d’entraînement, de validation et de test l’a montré avec 100 règles aléatoires. Le score de test n’est plus une estimation honnête pour de nouvelles photos. Sur les photos de validation, les cinq noms ne diffèrent que d’une ou deux photos. Aucun nom n’y est clairement meilleur.
Correction : comparez les requêtes uniquement sur les photos de validation. Si la validation ne permet pas de les départager, gardez la requête la plus simple. N’utilisez pas les données de test pour trancher. Évaluez le choix final sur les données de test une seule fois. Pour trouver le meilleur nom, étiquetez d’abord plus de photos de validation. Avec 120 photos, une différence d’une ou deux photos ne permet pas de conclure.
Conséquence pour le travail en IA : modifier une requête semble ne rien coûter. Les équipes la modifient donc souvent et vérifient chaque changement sur le même petit jeu de données. Après vingt changements, le score obtenu en dit plus sur ce jeu de données que sur la requête. Une requête est un paramètre du modèle, comme les autres : choisissez-la sur les données de validation, évaluez-la sur les données de test.
Vérification des connaissances
Section intitulée « Vérification des connaissances »Vérifiez votre compréhension
Expliquez dans vos mots comment CLIP classe une photo dans l'une de huit classes sans aucune photo étiquetée. Pourquoi appelle-t-on cela zéro exemple?
Afficher la réponse
CLIP possède un encodeur d’images et un encodeur de texte qui placent les photos et les phrases dans le même espace. Il l’a appris à partir d’environ deux milliards de photos avec des légendes. Pendant l’entraînement, chaque photo obtient un cosinus élevé avec sa propre légende et un cosinus faible avec les autres. Pour classer une photo, vous écrivez une requête par classe, comme « a photo of a vase. » (une photo d’un vase). Vous calculez les plongements des huit requêtes et de la photo. Vous retenez la classe dont la requête obtient le cosinus le plus élevé. C’est du zéro exemple parce que le classificateur n’a vu aucun exemple étiqueté des classes de Larkfield : seulement leurs noms.
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
La photo 2 (des tournesols dans un seau) obtient 0,563 pour vase et 0,434 pour pot de fleurs. Tomás dit : « CLIP est sûr à 56 % que c'est un vase. » Que lui répondriez-vous?
Afficher la réponse
Les deux cosinus sont 0,244 et 0,241 : presque égaux. CLIP les multiplie par 100 avant la fonction softmax (qui transforme les scores en probabilités). Une différence de cosinus de 0,003 devient donc 0,56 contre 0,43. Ces nombres indiquent « un choix serré entre vase et pot de fleurs », pas une chance mesurée de 56 % d’avoir raison. Ces probabilités ne sont pas bien étalonnées. La photo est aussi réellement ambiguë : les fleurs coupées dans un seau s’utilisent comme dans un vase. Une personne devrait examiner cette photo, ou le guide d’étiquetage devrait traiter ce cas.
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
Omar ajoute demain une nouvelle catégorie : les lanternes de jardin. Aucune photo n'est encore étiquetée. Que feriez-vous le premier jour avec CLIP, et pourquoi ne pas vous arrêter là?
Afficher la réponse
Le premier jour, ajoutez un ensemble de requêtes pour « garden lantern » (lanterne de jardin), avec plusieurs modèles de requête. Utilisez ensuite CLIP en zéro exemple pour faire un premier tri des nouvelles photos. Des personnes peuvent alors corriger ses réponses, ce qui est plus rapide que de tout étiqueter à partir de rien. Évaluez-le sur un petit jeu de données de validation dès que vous en avez un. Ne vous arrêtez pas là : le zéro exemple suit le sens des mots sur le Web. Larkfield peut définir ses lanternes d’une façon qui les rapproche de ses lampes ou de ses bougies. CLIP ne peut pas apprendre cette règle propre à Larkfield. De plus, son exactitude ici (0,925) représente encore 12 photos mal classées sur 160. Avec quelques photos étiquetées par classe, un petit classificateur entraîné peut apprendre les distinctions de Larkfield : c’est la prochaine leçon.
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
- CLIP calcule les plongements des photos et des phrases dans un même espace. Il l’a appris par un entraînement contrastif sur environ deux milliards de paires photo-légende.
- Zéro exemple : écrivez une requête par classe et retenez celle dont le cosinus est le plus élevé. Aucune photo étiquetée n’est nécessaire.
- Les cosinus de CLIP sont petits (environ 0,1 à 0,3). Le facteur 100 et la fonction softmax transforment de petites différences en grandes probabilités. Interprétez-les comme « choix clair » ou « choix serré », pas comme des chances bien étalonnées.
- Sur les photos de test de Larkfield : nom de classe seul, 0,900; « a photo of a » (une photo de), 0,906; huit modèles de requête, 0,925. « A photo of a plant pot » (une photo d’un pot de fleurs) n’a pas surpassé « plant pot » ici (rappel des pots de fleurs : 0,90 → 0,80). Évaluez la formulation sur vos propres photos.
- Sans aucune étiquette, CLIP fait au moins aussi bien que chaque méthode du module 2 ayant utilisé 453 étiquettes (meilleur résultat : 0,894). Ses erreurs concernent des contenants que Larkfield nomme à sa façon.
- Choisissez les requêtes sur les photos de validation, jamais sur les données de test.
Vous pouvez maintenant classer sans aucune étiquette, et avec toutes les étiquettes. Mais le zéro exemple ne peut pas apprendre les règles propres à Larkfield. L’entraînement complet, lui, demande beaucoup d’étiquettes. Vous essaierez ensuite une solution intermédiaire peu coûteuse : un petit classificateur sur les plongements, avec 5, 20 ou toutes les photos par classe.
Leçon suivante : Sondes linéaires et quelques exemples