Kliniek: begin en skaal foute
Hoekom dit saak maak Foute van Module 6 in die wild: hulle hou op leer voordat dit begin.
Dode eenhede: elke verborge eenheid is af vir elke inset, so geen gradiënt bereik die eerste laag nie en die verlies gaan nooit oor 2.30 nie. Nie geskaalde insets nie: pixels kom aan as 0 tot 16 in plaas van 0 tot 1, aktiverings is reuse, die beginverlies is ver bo 2.30, en die eerste stappe is geweldig. (Die BatchNorm train/eval lokval van Module 6 hoort ook hier; jy het dit reeds ontmoet.)
Elke geval hieronder is 'n oefening met een fout wat daarin geplaas is. Vir elk een: gebruik probes om die fout te vind, dan skryf 'n regstelling as config veranderinge. Die foute in hierdie les: dead_units, unscaled_inputs, plus one fault from earlier. Minder probes is beter; 'n goeie diagnostikus het selde meer as twee per geval nodig.
| Probe | Wat dit vir jou vertel |
|---|---|
loss_curve(c) | Trainingsverlies elke 50 stappe en finale validasie-akkuraatheid. Kyk altyd eerste. |
loss_at_init(c) | Loss voor opleiding. 'n Vars 10-klas model moet naby ln(10) = 2.30 wees. |
overfit_one_batch(c) | Kan dit 32 voorbeelde onthou? 'n Gesonde opstelling kry naby 0. |
grad_norms(c) | Gradientgrootte per gewigmatriks aan die begin. Nul beteken niks kan leer nie. |
update_ratio(c) | Gewone SGD stapgrootte relatief tot gewiggrootte. Gesond is ongeveer 0.001 tot 0.1 ('n reël van die duim vir gewone SGD; Module 14 wys waarom Adam verskil). |
act_stats(c) | Verstekte aktiverings: gemiddelde, grootste waarde, aandeel van dooie eenhede. |
lr_schedule(c) | Die leertempo by stappe 0, 50, 100 en so voort.\ |
batch_labels(c) | Die etikette in die eerste paar batches. |
overlap(c) | Hoeveel validasie-voorbeelde verskyn ook in die opleiding. |
Woorde en simbole in hierdie les
- probe
- 'n vinnige meting van 'n run, soos gradient groottes of dead units
Vul diagnosis (geval tot foutnaam) en fixes (geval tot 'n woordeboek van konfigurasiewysigings) in vir gevalle A, B en C. 'n Regstelling moet die fout verwyder en tot ten minste 90% validasie-akkuraatheid oplei.
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.