iT邦幫忙

第 12 屆 iThome 鐵人賽

DAY 27
0
Mobile Development

顏色 countenance APP製作筆記系列 第 27

[Day 27] 如何提升判斷準確度

  • 分享至 

  • xImage
  •  

昨天我們提到了驗證準確度(Valiadation)略低的問題,而準確度的數值會影響到機器學習模型的可信度,因此今天就要來探討如何提高準確度。會分成兩個部分進行探討,分別是圖片資料準備與模型訓練。

圖片資料準備

  1. 我們可以提升欲使用圖片資料的數量,我們使用的圖片資料平均每個情緒只有約50張圖片。若將每種情緒的訓練圖片提升到超過千個,甚至更多,可以提高模型的準確度。
  2. 我們在Day4時有提到準備模型訓練的圖片,訓練模型之前會先篩選欲使用的圖片,若我們將篩選的標準提高,只選擇情緒量值為1.0的,可以降低情緒誤差。
  3. 讓訓練照片(training images)與驗證照片(validation image)一致,如訓練照片若皆於戶外拍攝,則驗證照片也皆需於戶外拍攝。

模型訓練

  1. 提升iterations的數值:當新增新模型時iterations的預設值為10。若我們把數值提高後,模型訓練的時間會拉長,但準確度會提升。(以下圖檔為示範,上方為未選擇iterations值,下方將iterations值設為25)

未選擇iterations值

1011_1

iterations值設為25

1011_2
2. 擴增資料設定:將欲擴增的設定勾選,如圖我們勾選了旋轉(Rotate)、模糊(Blur)與曝光(Expose),也可以自由選擇想要擴增的設定,然而若勾選越多項目就需要花更多時間訓練與驗證。
https://ithelp.ithome.com.tw/upload/images/20201011/20130458pL8o3AFGPm.png

上述方法皆可幫助我們提升準確度,但需要注意設定值越多,訓練與驗證需要花費的時間必定更多!


上一篇
[Day 26] CreateML建立機器學習模型
下一篇
[Day 28] 利用CreateML訓練的模型判斷情緒(上)
系列文
顏色 countenance APP製作筆記30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言