如何使用 Google AutoAugment 改进图像分类器 的 (如何使用google play)
通过使用优化的数据增强方法，在CIFAR-10、CIFAR-100、SVHN和ImageNet上得到了目前最好的结果。您可以从这里找到和使用它们。
在ImageNet上得到的最好的增强效果，源自：
AutoML——使用机器学习来改进机器学习设计(如体系结构或优化器)的想法——已经来到了数据增强的领域。本文将解释什么是数据增强，谷歌AutoAugment如何搜索最佳增强策略，以及如何将这些策略应用到您自己的图像分类问题。
数据增强意味着在训练机器学习模型时，对输入数据随机的应用各种变换。这种人为地扩大训练数据，可以生成更多可能的输入数据。它还有助于防止过度拟合，因为网络几乎从来不会看到完全相同的两次输入然后仅仅记住它们。典型的图像数据增强技术包括从输入图像中随机裁剪部分，水平翻转，应用仿射变换，如平移、旋转或剪切等。
事实上，正如 AutoAugment 作者所指出的，近年来在ImageNet挑战赛上，人们为寻找更好的网络结构投入了大量的精力，但是数据增强技术，基本上与Krizhevsky等人在2012年为AlexNet设计的方法相同，或者只有一些微小的变化。
选择使用哪些数据增强的通用做法，是首先提出适合对应数据集的不同假设，然后进行试验。你可以从随机剪切、随机调整大小或者水平翻转开始，因为它们几乎总是有效的，并且还可以尝试诸如小尺度的旋转等。由于重复训练带来的验证集性能的随机波动，很难确定这些增加的旋转是否提高了模型性能，因为您可以从两次不同的训练中获得随机的改进，而这些改进并不是因为使用了数据增强。
通常来说，由于我们实验的高度不确定性，并且也没有时间或资源来严格测试所有的可能组合，所以我们放弃了搜索最好的方法，或者坚持使用某些固定的增强策略，而不知道它们是否有很大的贡献。但是，如果有一种可以迁移有用数据的增强技术，就像我们在迁移学习中从预先训练的模型中迁移参数一样，那会怎样呢?
从数据中学习增强策略
AutoAugment的思想是在强化学习(RL)的帮助下学习给定数据集的最佳增强策略。由于在图片上应用和组合转换的方法非常多，所以它们对可选择的方法增加了一些限制。一个主要策略由5个子策略组成，每个子策略依次应用2个图像操作，每个图像操作都有两个参数:应用它的概率和操作的幅值(70%的概率执行旋转30度的操作)
这种策略在训练时是如何应用在图片上的呢?对于我们当前批次的每张图片，首先随机均匀地选择一个子策略，然后应用该子策略。让我们来看一个包含5个子策略的示例，这些子策略应用于SVHN数据集中的图片:
对SVHN图像应用一些最佳增强的例子。源自：
子策略1在x的方向上，以90%的概率执行力度为7的剪裁。然后，有20%的概率，对图像的颜色进行翻转。子策略4以90%的概率对图像进行颜色反转，然后在10次中有6次进行颜色直方图均衡化。操作的次数是固定的，但是由于子策略的随机性和操作存在的概率，对于单个图像也可能有很多的增强结果。
让我们看看AutoAugment RL模型的搜索空间。他们考虑了16种操作:14种来自Python图像库PIL，比如旋转、颜色反转和一些不太知名的操作，比如色调分离(减少像素位)和过度曝光(将颜色反转到某个阈值以上)，再加上裁剪和采样(类似于Mixup)这些数据增强领域的新方法。增加11个离散概率值(0.0,0.1,…,1)和从0到9共10个等间距的幅值，这相当于对某一个子策略有(16 * 11 * 10)²种可能性，如果同时有五个子策略，则共有(16 * 11 * 10)¹⁰≈2.9 * 10³²种可能 。需要强化学习来帮忙了!
AutoAugment像NASNet一样训练——一个源自Google的用于搜索最优图像分类模型结构的增强学习方法。它的训练方法如下：我们有一个控制器，它决定当前哪个增强策略看起来最好，并通过在特定数据集的一个子集上运行子实验来测试该策略的泛化能力。在子实验完成后，采用策略梯度法(Proximal policy Optimization algorithm, PPO)，以验证集的准确度作为更新信号对控制器进行更新。解释PPO超出了本文的范围，但是我们可以更详细地看看控制器和子模型实验。
控制器以Softmax输出要应用于哪个操作决策。然后，该决策作为输入传递到控制器的下一步，这是因为控制器是一个RNN(对于NASNet，使用了一个包含100个隐藏单元的LSTM)。然后控制器决定应用哪个幅值的操作。第三步是选择概率。因此，控制器拥有所有其他操作的上下文、早期的概率和幅值，以便做出最佳的下一个选择。(这是一个说明性的例子，因为这篇论文目前并没有告诉我们选择操作、大小和概率的顺序)。
总共有30个softmax预测值，因为有5个子策略，每个子策略需要在两个操作、大小和概率(5 * 2 * 3 = 30)中做出两个选择。
我们如何告诉控制器哪些策略选择得好，哪些没有真正提高性能(例如将亮度设为零)?为此，我们使用当前增强策略在子神经网络上进行泛化实验。实验结束后，对RNN控制器的权值进行更新，以验证集的准确度作为更新信号。当最后将整体最佳的5个策略(每个策略包含5个子策略)合并到最终策略(现在包含25个子策略)中时，共将执行15,000次迭代。最后的这个策略是用于该数据集所有数据的策略。
正如副标题已经给出的那样，AutoAugment提升了CIFAR-10、CIFAR-100、SVHN、ImageNet等数据集上的最优结果。此外，还有一些特别有趣的细节:
CIFAR-10测试集上的错误率，越低越好，源自：
ImageNet验证集上Top-1/Top-5的错误率，越低越好，源自：
FGVC测试集上Top-1错误率(%)。Inception v4是从零开始训练，没有应用最佳ImageNet增强策略。源自：
如果我们想要解决图像分类问题，通常使用来自ImageNet预训练的权重初始化模型，然后对这些权重进行微调。我们刚刚看到，使用AutoAugment的最佳ImageNet策略，同时从零开始训练，也有类似的正效果。如果我们同时使用这两种方法：在使用ImageNet AutoAugment 策略时微调ImageNet的权重?这些优化的效果会叠加起来，为我们解决新的图像分类问题提供新的最佳方法吗?
为了回答这个问题，我使用了相同的5个FGVC数据集(Oxford 102 Flowers, Caltech-101, Oxford- iiit Pets, FGVC Aircraft和Stanford Cars)，对Inception v4进行微调，使用或不使用来自AutoAugment的ImageNet策略。
对FGVC测试集上5次Top-1错误率结果进行平均。Inception v4通过对ImageNet权重进行微调，使用和不使用AutoAugment ImageNet策略。有趣的是，在5个数据集中，只有3个数据集的微调结果比从上面AutoAugment论文中从零开始训练的结果更好。正如在“Do Better ImageNet Models Transfer Better”中讨论的那样，微调似乎不会在所有情况下都提升模型性能。
将最佳的ImageNet增强策略应用于不同的数据集，可以将5个数据集中的3个的错误率平均降低18.7%。在另外两个数据集上，错误率平均增加了5.3%。
这些结果表明，当需要对ImageNet权重进行微调时，应该尝试额外应用ImageNet AutoAugment策略。通常情况下，基本上都可以额外获得显著的改进。
如何将AutoAugment策略应用于您的问题
我在本文附录中创建了一个包含最佳ImageNet、CIFAR-10和SVHN策略的repo。一些实现细节还不明确，但我正在与作者联系，一旦我知道更多细节，我将会在这个repo里及时更新。
将ImageNet策略的随机子策略通过PIL应用搭配图像上，可以如下:
要将它应用到PyTorch，您可以这样做:
AutoML再次展现：对于给定数据集，最好的数据增强操作是可学习的，甚至可以迁移到类似的数据集中。这只是许多可能的自动优化数据增强方法中的一个。提高学习此类策略的效率是另一种令人兴奋的方法，目的是使任何人都能够使用这些技术(无需使用GPU服务器群)。ENAS表明这是可行的。
把这个新方法应用到你自己的问题上吧，祝你好运！如有错误和疑问，请发邮件至philip@popien.net联系我。
想要继续查看该篇文章相关链接和参考文献？
如何使用 Google 的 AutoAugment 改进图像分类器 】
今日博客推荐： ICML 2019 | 神经网络的可解释性，从经验主义到数学建模
本来想把题目取为「从炼丹到化学」，但是这样的题目太言过其实，远不是近期可以做到的，学术研究需要严谨。但是，寻找适当的数学工具去建模深度神经网络表达能力和训练能力，将基于经验主义的调参式深度学习，逐渐过渡为基于一些评测指标定量指导的深度学习，是新一代人工智能需要面对的课题，也是在当前深度学习浑浑噩噩的大背景中的一些新的希望。
原创文章，未经授权禁止转载。详情见 转载须知 。
视频服务平台,提供视频播放,视频发布,视频搜索,视频分享
翔云网络(www.aqxyun.com)是国内专业的云安全平台，为用户网站、游戏、APP等提供黑客攻击云防护、云加速服务，使用翔云云安全可有效防御黑客攻击，防DDOS，防CC攻击，防病毒，网站全球提速200%以上。
自动分班系统实现分数均衡分班、男女人数均衡分班、特长生均衡分班、预设人员分班。学校分班软件是真正的免费学生分班系统，是一款免费破解版分班软件。
一个有情怀的交换网站
MYB2B系统是基于PHP+MySQL的B2B（电子商务）行业门户解决方案
广东益福环保公司是一家专业从事产品报废、产品销毁、日用品销毁、化妆品销毁、过期食品销毁、服装、文件档案、汽车配件、礼品玩具、五金家电、低价值工业废料、电子产品、饮料、食品、化妆品、假冒伪劣产品、海关监销、缺陷产品销毁罚没产品销毁等于一体的服务性科技公司。
仟佰寻POS机：POS机办理，个人POS机免费办理，银联POS机申请，POS机代理，智能POS机办理
订单系统
北京佳荣科技有限公司
上海莘庄商务发展有限公司
码培编程专注儿童青少年科技创新发明教育，我们是青少年编程教育，机器人教育，人工智能教育，Scrach图形化编程，青少年机器人编程等级考试及信息学奥赛专业机构，科技发明教育的创变者，传播者，分享者。同时也致力于校园创客教育校本课程开发与实践。
GXT手游网为手游玩家推荐最好玩的安卓手机游戏免费下载，还可以在这里找到最全的手游攻略，最新的手游资讯，实用视频攻略秘籍等。
抑郁症，似乎离我们很近又很远，我们会在社交网络上得知名人抑郁自杀的消息，但殊不知在他们背后，还有更多普通人正在饱受抑郁症的困扰，据世界卫生组织，WHO，统计，目前全球范围内大约有3.5亿人患有抑郁症，我国泛抑郁人数已超过9500万人，每10个人中就有1人饱受抑郁症的折磨，此外，抑郁症已成为自杀倾向的最大隐患，据美国国立卫生研究院，U....。
在11月16日举办的谷歌开发者大会上，有关AR技术的内容发布抓住了大量云宇宙关注者的眼球，尽管没有过多明说AR技术与元宇宙的直接关系，但其通过更新AR工具所能够达成的大量成果，对于元宇宙场景的落地都至关重要，一言以蔽之，，真实性，是这次大会上谷歌对AR内容最大的期许，而据雷锋网观察，，真实性，则体现在如下两个方面，一方面，AR需要足以...。
在具有挑战性的环境中，一些人工智能系统通过利用过去经验所提供的世界表象来实现目标，研究人员将这些应用推广到新的情况，使它们能够在以前从未遇到过的环境中完成任务，事实证明，强化学习——一种使用奖励来推动软件策略朝着目标前进的训练技术——特别适合学习一个总结agent经验的世界模型，并通过扩展来促进新行为的学习，雷锋网消息，近日，来自Go...。
雷锋网AI科技评论按，对于机器学习而言，区分异常数据或有显著差异数据至关重要，谷歌在NeurIPS2019论文中提出并发布了针对基因组序列OOD检测的现实基准数据集，进而提出一种基于似然比的解决方案，可显著提高OOD检测的准确性，AI科技评论将谷歌对该方法的官方解读编译如下，深度学习科学家要成功部署机器学习系统，需要系统能够区分出异常...。
通过使用优化的数据增强方法，在CIFAR，10、CIFAR，100、SVHN和ImageNet上得到了目前最好的结果，您可以从这里找到和使用它们，在ImageNet上得到的最好的增强效果，源自，https，arxiv.org，abs，1805.09501v1AutoML——使用机器学习来改进机器学习设计，如体系结构或优化器，的想法...。
雷锋网AI科技评论按，今日，谷歌分享了SemanticExperiences，在博客中展示了两大关于自然语言理解的互动工具，TalktoBooks是一个可以从书中的句子层面搜索书籍的全新检索模式；另一个互动内容则是Semantris，一个由机器学习驱动的单词联想游戏，地址，https，research.google.com，sem...。
雷锋网AI科技评论按，在GoogleI，O2018上，除了Google助手给餐馆打电话的场景赢得现场观众的喝彩外，在用户写邮件时可预测下一句的SmartCompose技术同样也引得众人欢呼，近期，谷歌大脑团队首席软件工程师YonghuiWu在GoogleAIPo出了这篇详细介绍SmartCompose原理的博文，雷锋网AI科技评论将其...。
消息，12月24日，T，Mobile、Meta、Twitter、Pinterest和iHeartRadio等公司宣布，将不会参加2022年度拉斯维加斯博览会，其主要技术也不会在展览会出现，据了解，国际消费类电子产品展览会，简称CES，由美国电子消费品制造商协会，简称CTA，主办，旨在促进尖端电子技术和现代生活的紧密结合，该展始于...。
在封禁微信这个问题上，美国依旧不死心，不仅如此，就连腾讯会议也受到了波及，25日晚间消息，据路透社报道，美国司法部正在寻求立即禁止在苹果和谷歌应用商店下载微信，司法部说，中国拥有的消息服务对美国的安全构成威胁，美司法部寻求再次封禁微信早在8月6日，美国总统特朗普就签发了行政命令，表示要在45天内，禁止在美国境内的人或实体与腾讯控股公司...。
苹果第一财季营收突破1000亿美元，iPhone收入同比增长17%北京时间1月28日凌晨消息，苹果今天发布了2021财年第一财季业绩，报告显示，苹果公司第一财季净营收为1114.39亿美元，比去年同期的918.19亿美元增长21%，创下纪录新高；净利润为287.55亿美元，比去年同期的222.36亿美元增长29%，其中，苹果第一财季i...。
据Coindesk报道，比特大陆正计划今年9月申请IPO，并将在今年第四季度或明年第一季度在港交所上市，此次IPO规模可能高达180亿美元，预计市值范围为400，500亿美元，在8月10日的香港纷智金融科技峰会现场，雷锋网AI金融评论注意到，比特大陆矿池运营总监胡静称，选择赴港上市的原因确实与内地对加密货币行业的政策有关；而对于上市的...。
雷锋网AI科技评论按，2018年，AI研习社又为大家呈上了一系列公开课，AI研习社的粉丝们也再度与我们相伴走过了一年，作为一个针对AI开发者的公开课类目，，猿桌会，自去年推出以来广受各位的喜爱，在今年雷锋网AI研习社依旧以最饱满的诚意为大家邀请了领域内的各路大神进行分享，具体内容涵盖深度学习开源框架、神经网络调参和优化、开发语言使用技...。
不久前雷锋网宅客频道编辑收到了来自360小伙伴的邀约，邀请我们参加在青岛举办的保密技术交流大会，为了学习技术，其实是青岛海鲜，，编辑立马应了下来，本来以为保密大会只是个与内容相关的名字，但到了现场发现保密级别相当高了，因为10月31日来到主会场的我们，没进去……对，就是这样，进不去主会场的编辑决定逛一下展区，这次保密大会设有四大展区，...。
9月27日下午小米举行了新机小米Civi的发布会，外观上，小米Civi主打时尚多元设计和轻薄机身的卖点，正面采用居中打孔曲面屏设计，中框仅有1.4mm，双曲面后盖采用丝绒AG玻璃材质，整机重量控制在166g，厚度仅有6.98mm，机身宽度71.5mm；提供三款配色，包括怦怦粉、轻轻蓝以及闪闪黑，屏幕方面，小米Civi配备一块6.55英...。
今年4月初，浪潮正式对外公布成立人工智能部，并推出面向AI应用的创新计算平台，并表示未来浪潮将在人工智能计算的数据中心产品创新、深度学习算法框架优化、生态系统建设等方向全面发力，对于浪潮，被人们所熟知的是持续增长的服务器业务，而对于那时的，不务正业，发力AI，很多人都发出了不同的声音，对此，雷锋网也发文，面对人工智能，传统的浪潮想做什...。
服装，指的是衣服鞋包玩具饰品等的总称，多指衣服，服装在人类社会发展的早期就已出现，古代人把身边能找到的各种材料做成粗陋的，衣服，用以护身，人类初的衣服是用兽皮制成的，包裹身体的早，织物，用麻类纤维和草制等成，在地区标准中对服装的定义为，缝制，穿于人体起保护和装饰作用产品，又称衣服，对现在社会来说，服装已经是每个人装饰自己，保护自己，能...。
1、把当贝市场软件安装包，https，dlap1.dbkan.com，update，2024，08，12，dangbeimarket，5.0.6，312，znds.apk，下载并拷贝到U盘中，2、将U盘连接天猫魔盒8的USB接口，等待检测到外接设备，选择，应用，，找到当贝市场apk，点击并确认安装即可；注，如果没有弹出对话框，打开...。
