Capítulo 5. De novato a maestro de la predicción: Cómo maximizar la precisión de la red neuronal convolucional
Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com
En el Capítulo 1, analizamos la importancia del desarrollo responsable de la IA. Uno de los aspectos que tratamos en fue la importancia de la solidez de nuestros modelos. Los usuarios sólo pueden confiar en lo que construimos si pueden estar seguros de que la IA que encuentran en su día a día es precisa y fiable. Obviamente, el contexto de la aplicación importa mucho. Estaría bien que un clasificador de alimentos clasificara erróneamente la pasta como pan en alguna ocasión. Pero sería peligroso que un coche autoconducido clasificara erróneamente a un peatón como un carril de la calle. Por tanto, el objetivo principal de este capítulo es bastante importante: construir modelos más precisos.
En este capítulo, desarrollarás una intuición para reconocer las oportunidades de mejorar la precisión de tu modelo la próxima vez que empieces a entrenar uno. Primero veremos las herramientas que te asegurarán que no vas a ciegas. Después, durante una buena parte de este capítulo, adoptaremos un enfoque muy experimental, estableciendo una línea de base, aislando parámetros individuales para ajustarlos y observando su efecto en el rendimiento del modelo y la velocidad de entrenamiento. Gran parte del código que utilizamos en este capítulo está agrupado en un único cuaderno ...
Get Aprendizaje Profundo Práctico para Nube, Móvil y Edge now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
