视频:训练AI的最佳实践

了解更多有关人工智能平台的信息流媒体的下一个事件.

阅读这段录音的完整文本:

卡伦加拉格尔: 在商业和技术方面有一种推拉关系. 在商业方面, 你要经常倾听客户的意见, 问他们想要什么, 实现这些东西. 但这对技术方面有影响，你必须考虑到这一点. 例如，我们有一个曲棍球客户说，“嘿，你能把所有的对峙都拉出来吗?我们说:“当然可以。.“所以我们教了一个分类器如何从视频中理解, 没有元数据, 当对峙发生时, 把它们剪掉.

当你改变模型时，这是其中一件事, 它开始在神经网络中做其他事情, 从技术的角度来看，在整个过程中你需要担心. 对我们来说, 我们遇到了模型过拟合的问题, 所以现在它可以在成千上万款不同的游戏中查看, 但记分牌, 现在我们已经实现了这个新模块, 它开始只关注它所知道的那种记分牌, 变得僵硬和僵硬.

当你在制定你的人工智能战略并使用最佳实践之类的东西时, 只要理解产品需求和业务方面的东西之间的推和拉, 它在技术方面的作用, 以及从长远来看它将如何影响你的产品.

Josh灰色: 好吧, 我想补充一点, 当你做这些练习时，过拟合问题是一个非常常见的第一个结果. 这很大程度上与训练数据集的选择有关. 如果你想找记分牌的话, 你训练了一堆图片, 他们种类繁多，但记分牌总是很突出, 然后，当你开始投掷真实的图像时，也许计分板更偏向一边, 或者不同的角度, 您可能会发现您过度拟合了一个非常干净的计分板分类器. 当你明白你想从中得到什么, 确保将正确的数据集放入其中, 确保你能得到你想要的食物种类.

杰森·霍夫曼: 在你选择了你想要用来训练它的数据之后, 还有一些关于如何训练算法的最佳实践, 就像, 例如, 使用训练数据的随机子集，而不是所有的训练数据, 或者使用五个随机重叠的数据子集来训练它, 然后用一些它从未见过的数据来测试它. 所以很多工作台上都有最佳实践, 单击工作台. 有很多, 比如从MATLAB中, 其他人, 他们中的很多人会指导你, 然后说, “我知道你有一百万个数据点. 别把这些都教我. 我们做15次10的迭代,每000个数据点, 看看我们能想出什么, 然后我们来看看它在100的情况下是怎样的,我从未见过的1000个数据点."