Was bedeutet "Few-shot Training"?

Inhaltsverzeichnis

Few-Shot-Training ist ne Methode, um nem Computer-Modell beizubringen, Sachen zu erkennen, indem man nur ne kleine Menge an Beispielen nutzt. Statt tausende Beispiele zu brauchen, lernt es nur aus wenigen. Das ist praktisch, wenn nicht viel Daten zur Verfügung stehen.

Bei diesem Ansatz kann das Modell trotzdem seine Fähigkeiten verbessern, indem es Infos nutzt, die es schon von ähnlichen Aufgaben hat. Das bedeutet, dass das Modell auch mit begrenzten Trainingsdaten gut in der realen Welt funktioniert.

Zum Beispiel, wenn ein Modell trainiert wird, um Text in Bildern zu erkennen, kann es nur 10% von der üblichen Menge an beschrifteten Daten nutzen und zeigt trotzdem ne große Verbesserung darin, wie genau es Text erkennt. Diese Fähigkeit, aus wenigen Beispielen zu lernen, macht Few-Shot-Training echt nützlich in Bereichen, wo Daten schwer zu kriegen sind.