Lehrplan Lektion 240 von 246 · Modul 23: Capstone Studio: eine Model Card, die du ausführen kannst
Modul 23: Capstone Studio: eine Model Card, die du ausführen kannst

Ein Befund in deinem Modell, mit einer Kontrolle

Warum das wichtig ist Lektion von Modul 21, angewendet auf dein eigenes Modell: der Score einer Probe bedeutet nichts, bis du ihn mit dem vergleichst, was dieselbe Probe aus einem Netzwerk liest, das nie trainiert wurde.

Der Probesatz für deine Spur stellt zu jedem Input eine Frage (meaning): auf der Sprachspur "ist das nächste Zeichen ein Vokal?"; auf der Bildspur "welches Objekt ist auf dem Foto?".

Trainiere deinen Referenzwert (seed 0). Lies seine verborgene Schicht (studio.hidden_units(model, X)) und trainiere eine lineare Probe auf der ersten Hälfte des Probesets, teste auf der zweiten (ssl.probe, 300 steps). Die Kontrolle: die gleiche Probe auf einem untrained Netzwerk der gleichen Form und des Seeds (studio.MLP(track.n_in, width, track.n_out, seed=0)). Zufällige ReLU Einheiten verwandeln Eingaben bereits in viele Features, und eine Probe kann viel aus diesen lesen; nur der Teil über der Kontrolle ist etwas, das das Training dort platziert hat.

Wörter und Symbole in dieser Lektion
baseline
der einfache Durchlauf, gegen den jede Änderung gemessen wird, über dieselben Seeds
Du bist dran

Fülle trained, control und base_rate (den Anteil des häufigsten Labels in der Testhälfte). Setze finding auf "above control", wenn trained die control um mehr als 0.02 schlägt, sonst "not above control".

Ein Problem in dieser Lektion entdeckt? Melde es · Frage zu dieser Lektion

Diese Übung öffnet bald

Beende die vorherige Lektion, damit diese freigeschaltet wird. Der ganze Kurs ist kostenlos, kein Konto erforderlich, und du kannst diese Lektion jetzt direkt lesen.