هل تثق بالمساعد؟ نسخة التسلسل
لماذا هذا مهم نفس المهارة الموجودة في Module 8، أخطاء أصعب: العديد من هذه تبدو متشابهة من منحنى الخسارة وحده، لذا فإن المساعد الذي يقرأ المنحنيات فقط يخطئ فيها بثقة كاملة.
سمّى مساعد ذكاء اصطناعي عطلاً لكل واحد من ثمانية تشغيلات معطوبة. بعض الادعاءات خاطئة. انتبه للأزواج التي تشترك في عَرَض: يمكن لعطلين أن يجعلا خسارة التدريب منخفضة بشكل مريب، ويمكن لعطلين أن يجعلاها تتوقف.
| Probe | ما يخبرك به | تشغيل سليم |
|---|---|---|
loss_curve(c) | خسارة التدريب كل 25 خطوة، والخسارة على النص غير المرئي في النهاية. انظر دائما أولا. | 4.55 إلى حوالي 2.9؛ غير مرئي حوالي 3.0 |
loss_at_init(c) | Loss قبل التدريب. نموذج جديد يخمن بالتساوي عبر 95 حرفا يعطي ln(95). | 4.55 |
leak_check(c) | هل يمكن لشخصية لاحقة تغيير تنبؤ سابق؟ | False |
show_batch(c) | مدخل تدريب واحد وهدفه، كنص. | target = تم نقل input بمقدار حرف واحد لليسار |
update_ratio(c) | بعد خطوة Adam الأولى، ما هو مقدار تحرك الأوزان بالنسبة لحجمها. ليست قاعدة Module 8: ذلك النطاق من 0.001 إلى 0.1 هو لخطوات SGD العادية. خطوة Adam الأولى تحرك كل وزن بمقدار معدل التعلم تقريبًا مهما كانت قيمة gradient الخاصة به، وتبدأ هذه الأوزان بالقرب من 0.02، لذا فإن 0.01 / 0.02 تعطي حوالي 0.5. قارن حالة مع هذه التشغيلة السليمة، وليس مع نطاق Module 8. | حوالي 0.5 |
block_change(c) | كم يغير الكتلة الأولى كل متجه في البداية. | حوالي 0.3 |
الكلمات والرموز في هذا الدرس
- ln(V)
- الخسارة الأولية لنموذج يتوقع بالتساوي عبر V رموز: 4.55 لـ 95 حرفاً
- تغيير الكتلة
- كم يغير الكتلة الواحدة المتجه في البداية؛ القيمة القريبة من 1 تعني أنها استبدلته
لكل حالة من A إلى H، اضبط verdicts[case] على True (المساعد على حق) أو False. يجب أن تجيب على 7 من أصل 8 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.