Een bevinding binne jou model, met 'n beheer.
Waarom dit saak maak Module 21 se les, toegepas op jou eie model: 'n probe se telling beteken niks totdat jy dit vergelyk met wat dieselfde probe van 'n netwerk lees wat nooit opgelei het nie.
Die sonde wat vir jou spoor gestel is, vra een vraag oor elke inset (meaning): op die taalspoor, "is die volgende karakter 'n vokaal?"; op die beeldspoor, "watter voorwerp is in die foto?".
Train jou baseline (seed 0). Lees die hidden layer (studio.hidden_units(model, X)) en train 'n linear probe op die eerste helfte van die probe set, en toets op die tweede een (ssl.probe, 300 steps). Die kontrole: dieselfde probe op 'n untrained netwerk van dieselfde vorm en seed (studio.MLP(track.n_in, width, track.n_out, seed=0)). Random ReLU units verander inputs reeds in baie features, en 'n probe kan baie daaruit lees; net die deel bo die kontrole is iets wat opleiding daar geplaas het.
Woorde en simbole in hierdie les
- baseline
- die eenvoudige hardloop waar teen elke verandering gemeet word, oor dieselfde seeds
Vul trained, control en base_rate in (die aandeel van die algemeenste etiket in die toetshelfte). Stel finding op "above control" as die opgeleide model die kontrole met meer as 0.02 klop, anders op "not above control".
Sien jy 'n probleem in hierdie les? Rapporteer dit · Vra oor hierdie les
Hierdie oefening open binnekort
Voltooi die lesie voor dit en hierdie een sal ontvanklik wees. Die hele kursus is gratis, geen rekening nodig nie, en jy kan hierdie les nou lees.
Hierdie blutser blokkeer koekies vir learn.floati.life, so lesse wat jy hier voltooi het kan nie in volgorde oopgaan nie. Laat koekies vir hierdie webwerf toe en laai nuut.