Masterclass · Kapitel 17
Labels, Klassen und Bedeutung
Warum Pixel nicht automatisch wissen, dass sie Hund heiĂen
Du verstehst, warum Klassifikation Bedeutung von auĂen braucht, was Labels leisten und warum Clustering nicht dasselbe ist wie Klassifikation.
Diese Masterclass verbindet Theorie, Mathematik und echten NOVA-Code. Sie zeigt nicht nur, was ein Konzept bedeutet, sondern wo es in unserer Vision-Forge-Pipeline auftaucht.
Abschnitt 3 von 4Kapitel 17
17.3 Falsche Labels erziehen NOVA falsch
Falsche Labels erziehen NOVA falsch
Wenn ein Katzenbild als dog gelabelt ist, bekommt NOVA eine falsche Korrektur.
Das Modell versucht dann, Katzenmuster mit dog zu verbinden.
Ein paar Fehler sind normal. Viele falsche Labels zerstören die QualitÀt.
Mathematischer Kern
Wenn y falsch ist, optimiert der Loss in die falsche Richtung.
Garbage in â garbage gradients â garbage checkpoint.
Loss glaubt dem Label
prediction = model(images)
loss = criterion(prediction, labels)
# criterion prĂŒft nicht, ob labels menschlich richtig sind.
# Es optimiert nur gegen das angegebene Ziel.NOVA wird geladen...
NOVA Energie-Log
RTX-Verbrauch
NOVA schÀtzt hier, wie viel GPU-Energie deine Bildanalyse- und CUDA-LÀufe bisher ungefÀhr verbraucht haben.
Lade Energie-Daten...