如何在Flux.jl中实现主动学习？相关技术及工具包问询

目前FluxML生态暂时没有官方内置的主动学习模块，也没有成熟的第三方专属工具包可以直接复用。

但你的需求属于主动学习场景里非常基础的置信度筛选pipeline，完全可以基于Flux现有生态组件快速实现，不需要依赖专门的主动学习库，具体实现思路如下：

• 置信度计算：训练模型时在输出层添加softmax激活，推理阶段直接用softmax(model(x))得到每个类别的预测概率，取概率最大值作为当前样本的预测置信度，直接筛选低于你设定阈值的样本即可。
• 数据管理：可以用Flux生态常用的MLUtils.jl工具包完成标注/未标注数据集的拆分、批次推理、样本采样等操作，完全覆盖主动学习循环里的数据处理需求。
• 主动学习循环逻辑：
  1. 用现有少量标注数据训练初始基准模型
  2. 用模型批量推理所有未标注数据，计算每个样本的置信度
  3. 筛选出所有置信度低于阈值的样本提交人工标注
  4. 把新标注完成的样本合并到已标注数据集，重新训练优化模型
  5. 重复上述流程直到模型精度达标或者标注预算耗尽

如果后续需要用到更复杂的主动学习采样策略（比如贝叶斯不确定性采样、多样性采样等），也可以直接基于Flux的模型输出自定义实现，整体开发成本很低。

内容的提问来源于stack exchange，提问作者logankilpatrick