python - 如何在使用 tensorflow 时检测分布外的样本?
问题描述
为了在实际应用中进行正确推理,检测用于训练 ML 模型的数据分布之外的样本是必不可少的。
概率阈值似乎不是一个好的选择,因为大多数 DNN 通常过于自信,即使对于分布外的样本也是如此。
我发现了一些讨论的论文,out-of-distribution-detection
但 Tensorflow 似乎没有针对其中任何一个的内置实现。
由于这似乎是为现实世界应用程序部署的任何 ML 模型的常见场景,我想知道是否有一种方法可以out of distribution samples
在进行推理之前找到(在 TensorFlow 或 TFLite 中,给定 .pb 或 .tflite 图中经过训练的 CNN 模型文件格式)?
解决方案
推荐阅读
- python - 一旦在同一页面上不断刷新,链接就不会在新选项卡中打开,并且在脚本运行后
- android - 为什么我的 PagingSource 没有给我任何数据?
- javascript - 您好,在我的 expo 项目中安装 DateTimePicker(React Native)
- android - android Handler中的代码块没有被执行
- c - 为什么这个程序在释放时会崩溃?
- r - 计算每个变量的唯一真/假
- javascript - pdf没有嵌入到html IE11中
- r - 引用该函数 list() 之外的另一个对象的值的最佳实践是什么
- python - 用于 32 位 Oracle 的 Python
- nginx - 如何设置让加密证书到 nginx