概述
测试时间增强 (TTA) 对同一输入的多个更改版本运行经过训练的模型，并对预测进行平均。这是一个简单的、无需训练的技巧，通常会挤出一些额外的准确度并使预测更加稳健。
测试时间增强是一个技术构建块，会大规模影响模型质量、基础设施成本、延迟和可靠性。
深入探讨
测试时增强采用单个输入，创建多个转换副本（翻转、裁剪、旋转、颜色偏移或缩放版本），通过相同的固定模型运行每个副本，然后组合输出 - 通常通过平均概率或逻辑。直觉：每次增强都会将模型暴露在略有不同的视图中，并且各个视图上的错误在合并时往往会被消除，就像从一个网络构建的一个小型整体一样。至关重要的是，TTA 不需要再培训，也不需要额外的标签；它只会在推理时花费更多的计算量，因为模型每个样本运行 N 次。它在计算机视觉（尤其是 Kaggle 竞赛和医学成像）中最受欢迎，但也出现在音频和文本中。增强应该保留标签——翻转胸部X光片没问题，但将数字“6”翻转成“9”则不行。
技术洞察
如果模型在增强视图中的预测误差部分不相关，则平均可以像集成一样减少方差，但使用一组权重。对于分类，您通常会平均视图上的 softmax 概率（或 logits）；对于分割，您必须在池化之前反转每个几何变换，以便像素图重新对齐。选择保留标签的增强很重要：改变真实类别的转换会注入偏差，而不是消除噪音。
掌握测试时间增强
测试时间增强 (TTA) 对同一输入的多个更改版本运行经过训练的模型，并对预测进行平均。这是一个简单的、无需训练的技巧，通常会挤出一些额外的准确度并使预测更加稳健。测试时间增强是一个技术构建块，会大规模影响模型质量、基础设施成本、延迟和可靠性。为了建立深入的理解，请将测试时间增强视为一种操作模型，而不是单个功能：定义期望的结果，澄清假设，并将系统可以可靠地完成的任务与仍需要专家判断的任务分开。
在实践中，强大的团队使用测试时间增强来根据可靠性和成本优化架构、数据和基础设施选择。他们记录明确的成功标准，根据实际数据和工作流程进行测试，并根据观察到的失败模式而不是一次性基准测试胜利进行迭代。这就是理论理解转变为跨产品、政策和运营的持久能力的地方。
多年来，架构决策决定着性能和运营成本。与此同时，优化一个基准测试可以隐藏更广泛的系统弱点。最具弹性的方法是将实验速度与治理规则结合起来：运行试点、捕获证据、发布决策日志，并随着模型行为、用户期望和监管要求的发展不断更新保障措施。
战略影响
多年来，架构决策决定着性能和运营成本。
多年来，架构决策决定着性能和运营成本。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
技术教育帮助团队选择正确的堆栈，而不仅仅是最新的堆栈。
技术教育帮助团队选择正确的堆栈，而不仅仅是最新的堆栈。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
更好的工程选择可以减少生产中的可靠性事故。
更好的工程选择可以减少生产中的可靠性事故。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
现实世界的实施
对图像的水平翻转和多次裁剪进行平均预测，以提高推理时的 ImageNet 分类准确性。
在医学图像分割（例如肿瘤或器官边界）中反转旋转/翻转和平均掩模以获得更稳定的轮廓。
Kaggle 参赛者应用十种作物或多尺度 TTA，无需重新培训即可在排行榜上获得一小部分的份额。
在稍微时移或音高扰动的剪辑上运行语音或音频分类器，并汇集输出以获得更稳定的标签。
实施模式
实践中测试时间的增加
对图像的水平翻转和多次裁剪进行平均预测，以提高推理时的 ImageNet 分类准确性。
对图像的水平翻转和多次裁剪进行平均预测，以提高推理时的 ImageNet 分类准确性 团队在预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
实践中测试时间的增加
在医学图像分割（例如肿瘤或器官边界）中反转旋转/翻转和平均掩模以获得更稳定的轮廓。
在医学图像分割（例如肿瘤或器官边界）中反转旋转/翻转和平均掩模以获得更稳定的轮廓当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
实践中测试时间的增加
Kaggle 参赛者应用十种作物或多尺度 TTA，无需重新培训即可在排行榜上获得一小部分的份额。
Kaggle 竞争对手应用十种作物或多尺度 TTA 在排行榜上获得了一小部分，而无需重新培训。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
实践中测试时间的增加
在稍微时移或音高扰动的剪辑上运行语音或音频分类器，并汇集输出以获得更稳定的标签。
在稍微时移或音高扰动的剪辑上运行语音或音频分类器，并汇集输出以获得更稳定的标签当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪随着时间的推移提高的生产力和错误成本时，通常会得到更好的结果。
风险与防护栏
优化一项基准测试可以隐藏更广泛的系统弱点。
基础设施和维护成本常常被低估。
随着系统变得更加复杂，安全性和可观察性差距可能会扩大。
实施路线图
在实施之前定义延迟、质量和成本目标。
在实施之前定义延迟、质量和成本目标。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
在实际负载和数据条件下进行基准测试。
在实际负载和数据条件下进行基准测试。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
仪器监控错误、漂移和用户影响。
仪器监控错误、漂移和用户影响。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
在扩展之前准备回滚和事件响应路径。
在扩展之前准备回滚和事件响应路径。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。