Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Bonnes pratiques relatives aux adaptateurs d’entraînement
Il est recommandé de respecter les meilleures pratiques suivantes lors de la création, la formation et l’utilisation de vos adaptateurs :
-
Les exemples de données d’image doivent capturer les erreurs représentatives que les clients ont l’intention de supprimer. Si le modèle commet des erreurs répétées sur des images visuellement similaires, assurez-vous d’apporter un grand nombre de ces images pour l’entraînement.
-
Au lieu de n’ajouter que des images indiquant que le modèle commet des erreurs sur une étiquette de modération en particulier, assurez-vous également d’inclure des images indiquant que le modèle ne commet pas d’erreurs sur cette étiquette de modération.
-
Fournir un minimum de 50 échantillons faussement négatifs OU 20 échantillons faussement positifs pour la formation et un minimum de 20 échantillons pour les tests. Toutefois, fournissez autant d’images annotées que possible pour améliorer les performances de l’adaptateur.
-
Annotez toutes les étiquettes qui vous intéressent pour toutes les images : si vous décidez que vous devez annoter l’occurrence d’une étiquette sur une image, veillez à annoter l’occurrence de cette étiquette sur toutes les autres images.
-
Les exemples de données d’image doivent contenir autant de variations que possible sur l’étiquette, en se concentrant sur les instances représentatives des images qui seront analysées dans un environnement de production.
