هل تثق بالمساعد؟
لماذا هذا مهم سيقوم مساعدو AI بتشخيص عمليات التدريب الخاصة بك بكل سرور. غالباً ما تكون إجاباتهم صحيحة وأحياناً خاطئة بثقة. المهارة تكمن في معرفة أيهما الصحيح، باستخدام الأدلة بدلاً من النبرة.
درجتك هي دقة الحكم: عدد المرات التي تطابق فيها قبولك أو رفضك للحقيقة. (هذا ليس معايرة، وهو ما يحدده Module 9: ما إذا كانت الثقة تطابق عدد المرات التي تكون فيها على حق.) انتبه للادعاءات التي تناسب بعض الأعراض ولكن ليس العرض الحاسم: قد يكون توقف الخسارة ناتجاً عن معدل تعلم منخفض جداً، أو معدل كان جيداً ثم انخفض.
| Probe | ما يخبرك به |
|---|---|
loss_curve(c) | خسارة التدريب كل 50 خطوة ودقة التحقق النهائية. انظر دائما أولا. |
loss_at_init(c) | Loss قبل التدريب. يجب أن يكون النموذج الجديد المكون من 10 فئات قريبا من ln(10) = 2.30. |
overfit_one_batch(c) | هل يمكنه حفظ 32 مثالا؟ الإعداد السليم يحصل على ما يقارب 0. |
grad_norms(c) | حجم Gradient لكل مصفوفة weight في البداية. الصفر يعني أنه لا يمكن تعلم أي شيء. |
update_ratio(c) | حجم خطوة SGD العادي بالنسبة لحجم الوزن. القيمة الصحية هي حوالي 0.001 إلى 0.1 (قاعدة عامة لـ SGD العادي؛ يوضح Module 14 سبب اختلاف Adam). |
act_stats(c) | التنشيطات المخفية: المتوسط، أكبر قيمة، حصة الوحدات الميتة. |
lr_schedule(c) | معدل التعلم عند الخطوات 0، 50، 100 وما إلى ذلك. |
batch_labels(c) | التسميات في الدفعات الأولى. |
overlap(c) | كم عدد أمثلة التحقق التي تظهر أيضاً في التدريب. |
الكلمات والرموز في هذا الدرس
- probe
- قياس سريع لتشغيل، مثل أحجام gradient أو الوحدات غير النشطة
- دقة الحكم
- كم مرة تطابق قبولك أو رفضك لمطالبة مع الحقيقة
لكل حالة من A إلى J، اضبط verdicts[case] على True (المساعد على حق) أو False. يجب أن تجيب على 9 من أصل 10 بشكل صحيح على الأقل.
سيفتح هذا التمرين قريبا
أنهِ الدرس السابق ليفتح هذا الدرس. الدورة كاملة مجانية، ولا تحتاج إلى حساب، ويمكنك قراءة هذا الدرس الآن.
يقوم هذا المتصفح بحظر ملفات تعريف الارتباط لـ learn.floati.life، لذا لا يمكن فتح الدروس التي أنهيتها هنا بالترتيب. اسمح بملفات تعريف الارتباط لهذا الموقع وأعد التحميل.