إخبار النموذج بالخطوة التي وصل إليها
لماذا هذا مهم النقطة المشوشة نفسها تحتاج إلى تصحيح صغير في الخطوة 5 وتصحيح كبير في الخطوة 90. الشبكة التي لا يتم إخبارها بالخطوة يجب أن تخمنها من النقطة وحدها. كيف تخبرها هو خيار تصميمي، والخيار الشهير ليس دائما هو الأفضل.
ثلاث طرق (difflab.time_input):
- none: ترى الشبكة النقطة فقط.
- raw: رقم إضافي واحد، t / T.
- sine: 8 sines و 8 cosines لـ t / T بترددات من 1 إلى 100، تستخدمها embedding transformers للمواقع. تستخدمها نماذج الصور الكبيرة، لأن العديد من الترددات تسمح لشبكة عميقة بالتفاعل بحدة مع التغيرات الصغيرة في t.
تدرب التشغيلات المسجلة كل واحدة على الحلزون، 3 بذور. قارنها مع قاعدة Module 9: يتفوق إعداد على آخر عندما يكون متوسط درجاته على الشكل أعلى بمقدار 0.1 على الأقل وَيكون أعلى في كل بذرة (3 من 3).
الكلمات والرموز في هذا الدرس
- شكل
- ، تغطية
- القاضي ثنائي الأبعاد: حصة العينات القريبة من الشكل الحقيقي، وحصة الشكل مع عينة قريبة منه
اكتب sine_time(t, T) لإرجاع الـ 16 رقماً لكل خطوة (الجيب أولاً، ثم جيب التمام، الترددات np.exp(np.linspace(0, np.log(100), 8))). ثم اكتب beats(a, b) لاسمي إعدادين مسجلين، واملأ verdicts لـ raw مقابل none، وsine مقابل none، وsine مقابل raw.
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.