jialeheyeshu的博客

1.Mixup 主要是思想：将同一批次中的图进行两两融合 特点： 1.融合两张图: alpha * img1 +(1-alpha)*img2 2.只在同一个批次中进行: [1,2,3,4]同打散的 [2,1,4,3] 3.标签也进行融合: l = alpha*loss(output, label1) + (1-alpha)*loss(output, lable2) 4.主要是针对分类 效果： ...

1.Label Smoothing 原理：就是将硬标签转换为软标签===》[0, 1] ==>[0.05, 0.95] 动机：说白了，这个平滑就是一定程度缩小label中min和max的差距，label平滑可以减小过拟合。 适当调整label，让两端的极值往中间凑凑，可以增加泛化性能 公式：同CrossEntropy计算时 代码： def label_smoothing(inputs, epsilon=0.1): K...