2021年12月24日
如果数据集的错误过多，大模型未必好用
摘要： 在存在大量标注错误的现实世界数据集中，小容量模型可能比大容量模型更有用。举个例子，从基于原始给定标签的测试准确率来看，NasNet 似乎要优于 ResNet-18，但如果用标签修正之后的测试集进行测试，NasNet 的准确率其实比不上 ResNet-18。由于后者在现实中更为重要，在这种情况下，我们 阅读全文
posted @ 2021-12-24 09:46 Liang-ml 阅读(52) 评论(0) 推荐(0)