Skip to content
The Chat Archive
Human-written demonstration (OpenAssistant volunteers)· OpenAssistant (human-written) OpenAssistant Conversations (oasst2)

請根據以下會議記錄總結出待辦事項 A: 目前的模型架構是由resnet-50 backbone +…

In OpenAssistant data, “assistant” turns were written by human volunteers as demonstrations. They are not model outputs.
  1. User

    請根據以下會議記錄總結出待辦事項

    A: 目前的模型架構是由resnet-50 backbone + 三層MLP組成。其中MLP最後一層的維度是4,分別對應貓、狗、人、背景。現在model做到classification accuracy 88% B: 現在的四個類別哪一個表現最差 A: 目前表現最差的類別是狗,而且通常狗會被誤認成貓 B: 了解,那我們的訓練資料狗和貓的比例是平均的嗎? A: 印象中應該是狗比貓少,這我要再確認一下 B: 這樣的話可以嘗試看看調cross entropy loss的class weight B: 另外我想問當一張圖裡面同時有貓和狗的話model會輸出甚麼? A: 目前最後一層的activation是softmax,因此會輸出四個類別中機率最高的那一個類別 B: 這樣好像不太符合我們的需求,可以改成sigmoid activation嗎? 這樣才能同時輸出多個類別 A: 好的,但是這樣背景類別就不需要了? 因為只要貓、狗、人同時輸出0就代表是背景 B: 沒錯 B: 不過舊的設定先留著繼續改善,先看改成sigmoid之後效果如何,之後再決定要選哪一種設定 A: 了解 B: 今天的會議就先到這裡

  2. Assistant
    1. 当前的模型对狗的辨识度较低,容易被误认为猫。 2.训练集的猫狗比例不合理,应该通过调整cross entropy loss的class weight权重进行优化。 3.神经网络最后一层的activation应该调整为igmoid activation,遮阳就可以处理同时一张图里出现多种目标的情况。 4.上条所述的旧的设定仍然要保留,在新版本更改之后进行效果上的对比,下次再决定使用那种。

Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.