افزایش داده یا Data Augmentation، ساخت نمونه‌های بیشتر با تبدیل نمونهٔ موجود است. برای یک مسئلهٔ دسته‌بندی، اگر برچسب قبلی را نگه می‌داریم، تبدیل باید معنای لازم برای همان برچسب را حفظ کند. پنج تبدیل کوتاه فارسی را می‌سنجیم: سه مورد پذیرفته می‌شوند و دو مورد با تغییر نفی، دیگر همان برچسب را ندارند.
تعداد بیشتر، قبل از بررسی برچسب فایدهٔ مشخصی ندارد
چرخش تصویر یا تغییر متن فقط هنگامی برای هدف شما مناسب است که ویژگی تعیین‌کنندهٔ پاسخ را خراب نکند. حتی تبدیلی که در یک مسئله مجاز است، ممکن است در مسئلهٔ دیگر پاسخ را تغییر دهد. مثلاً چرخاندن نماد جهت‌دار را نباید خودکار همان کلاس قبلی شمرد. این مثال تصویری صرفاً توضیحی است؛ تصویر یا مدل در این صفحه تبدیل نشده است.
راهنمای محدودیت دادهٔ مصنوعی به نمایندگی و ارزیابی مجموعه می‌پردازد. تمرکز اینجا روی رابطهٔ یک نمونهٔ اصلی، تبدیل مشخص و اعتبار برچسب ارث‌برده است. بازنویسیِ روان به‌تنهایی مجوز نگه‌داشتن برچسب نیست.
اول هدف برچسب را بنویسیم
در تمرین اصیل ما، D1درخواست لغو نوبت است و D2می‌گوید ارسال متوقف نشود. برچسب‌ها برای همین نیت‌ها تعریف شده‌اند؛ تشخیص احساس مثبت و منفی نیستند. همهٔ جمله‌ها ساختگی‌اند و از تماس مشتری استخراج نشده‌اند. تصمیم معنایی هر تبدیل را نویسنده دستی تعیین کرده است؛ برنامه نقش برچسب‌زن هوشمند ندارد.
| تبدیل | متن تازه | آیا برچسب اصلی حفظ می‌شود؟ | دلیل همین نمونه |
|---|---|---|---|
| V1؛ افزودن لطفاً | لطفاً نوبت را لغو کن | بله | همان درخواست لغو |
| V2؛ فاصلهٔ اضافه | نوبت را لغو کن | بله | در این قرارداد، فاصله نیت را عوض نکرده |
| V3؛ افزودن نفی | نوبت را لغو نکن | خیر | حفظ نوبت، نه لغو آن |
| V4؛ حذف نفی D2 | ارسال را متوقف کن | خیر | توقف ارسال، نه ادامه |
| V5؛ لطفاً در پایان D2 | ارسال را متوقف نکن لطفاً | بله | همان ادامهٔ ارسال |
ردکردن V3وV4یعنی با برچسب قبلی وارد آموزش نشوند. خود جمله الزاماً بی‌استفاده نیست؛ با برچسب تازه و بازبینی مناسب می‌تواند نمونهٔ مسئلهٔ دیگری باشد. این تفاوت در فایل، با reviewed_labelوdecisionثبت شده است.
تغییر مجاز را به همهٔ متن‌ها تعمیم ندهیم
از قبول «لطفاً» در دو جمله نتیجه نمی‌گیریم که افزودن آن در هر زمینه، برچسب را حفظ می‌کند. نقل‌قول، کنایه، جملهٔ چندنیتی یا دستور دربارهٔ شخص دیگر ممکن است قرارداد جدا بخواهد. تغییر نام و عدد نیز اگر هدف شامل موجودیت، مبلغ یا زمان باشد، می‌تواند پاسخ هدف را عوض کند. قاعدهٔ تبدیل را همراه استثناها و نمونهٔ مرزی بنویسید.
اول تقسیم مجموعه، بعد ساخت نسخه‌های آموزشی
اگر اصل D1در آموزش و V1در آزمون قرار گیرد، شاهد آزمون از همان خانواده آمده است. با شناسهٔ منشأ، اصل و نسخه‌های نزدیکش را در تقسیم مناسب کنار هم نگه دارید و افزایش داده را روی بخش آموزش انجام دهید. آزمون مستقل را با نسخه‌های ساخته‌شده از آموزش پر نکنید. راهنمای رسمی TensorFlowدر مثال تصویریِ خودش نیز افزایش داده را برای بخش آموزش اعمال می‌کند؛ کد متنی این مقاله اجرای آن آموزش TensorFlowنیست.
در تمرین، تقسیم منشأ D1در برابرD2فقط کنترل هم‌پوشانی است و به دلیل کوچکی مجموعه، طرح ارزیابی کافی برای یک مدل واقعی محسوب نمی‌شود. تعداد دو منشأ یا پنج تبدیل، حداقل علمی یا اندازهٔ پیشنهادی آموزش نیست.
کد چه چیزی را کنترل می‌کند؟
Pythonبرابری برچسب اصلی و برچسب دستیِ بازبینی‌شده را برای پنج ردیف سنجیده و V1،V2،V5را قبول کرده است؛ V3وV4رد شده‌اند. همچنین یک تقسیم با منشأ مشترک را واقعاً رد کرده است. کد معنی جمله‌ها را تحلیل نمی‌کند، مدل آموزش نمی‌دهد و افزایش دقت را اندازه نمی‌گیرد. اگر برچسب دستی غلط باشد، موفقیت این کنترل آن را درست نمی‌کند.
برای پروژهٔ خود، ابتدا تعریف و مثال مرزی برچسب را روشن کنید، بعد چند تبدیل محدود را مستقل بازبینی کنید. ادامهٔ مبانی و انتخاب مسیر کاربرد در راهنمای هوش مصنوعی اپرا است؛ افزایش تعداد نمونه، جای تعریف مسئله را نمی‌گیرد.
فایل تمرین و منبع
پنج تبدیل اصیل با برچسب بازبینی‌شده و شناسهٔ منشأ · کنترل محلی تصمیم پنج تبدیل و هم‌پوشانی منشأ؛ برچسب‌ها دستی‌اند
منابع در ۳ نوامبر ۲۰۲۶ خوانده شدند؛ این تاریخ، تاریخ انتشار منبع نیست. مثال‌ها و فایل‌های این راهنما آموزشی و ساختهٔ تحریریه‌اند.