Try   HackMD

AI模型可信嗎? 模型調整的困境

講者: Terence Huang
Email: Terence0408@gmail.com

tags: MOPCON 2019 Day2-Unconf

現行大部分公司AI開發流程

熱門議題->RD接到任務->建立模型(深度學習)

  • 如果有好結果: 上線(長官開心) -> 真實世界: 沒看過的資料、雜訊、操作錯誤->出包(長官大怒)
  • 如果結果不好: 修改模型、條參數、改架構、換模型

疑問:

  • 明明模型訓練很棒
  • 那篇paper結果很棒,怎麼會失敗

可能是:

  • overfitting
  • 模型用錯

模型真的對嗎?

LRP(Layer-wise relevance propagation)


DeepExplain: https://github.com/marcoancona/DeepExplain

怎麼修正

  • 只知道哪裡是不夠的,還要知道怎麼修正
  • 只靠改模型不行嗎?
    • 深度學習太複雜,可能你改了A,他自己在B修正回來
    • 數學家還跟不上,還沒開發出一套流程
  • 目前可以:
    • 觀察錯誤區域的特性
    • 確認: 特性只發生在判斷錯誤的資料上嗎?

會眾提問

判斷模型好壞的定量標準:看資料特性(各領域不同)
非圖像方法,如何判斷
優先調參?還是先改架構?