Lehrplan Lektion 100 von 246 · Modul 8: Run Clinic I
Modul 8: Run Clinic I

Vertraust du dem Helfer?

Warum das wichtig ist KI-Assistenten werden deine Trainingsläufe gerne diagnostizieren. Sie haben oft recht und manchmal sind sie selbstbewusst falsch. Die Fähigkeit besteht darin zu wissen, welches davon zutrifft, indem man Beweise statt den Ton nutzt.

Ein KI-Helfer hat zehn fehlerhafte Durchläufe betrachtet und für jeden einen Fehler benannt. Etwa ein Drittel seiner Antworten ist falsch, und sie klingen genauso selbstbewusst wie die richtigen. Entscheide für jeden Fall: annehmen oder ablehnen. Basiere jede Entscheidung auf einer Sonde, nicht darauf, wie plausibel die Behauptung klingt.

Dein Score ist die verdict accuracy: wie oft dein accept oder reject mit der Wahrheit übereinstimmte. (Dies ist keine Kalibrierung, die Modul 9 definiert: ob confidence mit der Häufigkeit übereinstimmt, mit der du recht hast.) Achte auf Behauptungen, die zu einigen Symptomen passen, aber nicht zum entscheidenden: ein gestoppter loss könnte eine learning rate sein, die zu niedrig ist, oder eine, die gut war und dann abgefallen ist.

ProbeWas es dir sagt
loss_curve(c)Trainingsverlust alle 50 Schritte und finale Validierungsgenauigkeit. Immer zuerst ansehen.
loss_at_init(c)Loss vor dem Training. Ein frisches 10-Klassen-Modell sollte nahe ln(10) = 2.30 sein.
overfit_one_batch(c)Kann es 32 Beispiele memorisieren? Ein gesundes Setup erreicht fast 0.
grad_norms(c)Gradientgröße pro Gewichtungsmatrix am Anfang. Null bedeutet, dass nichts gelernt werden kann.
update_ratio(c)Einfache SGD Schrittweite relativ zur Gewichtungsgröße. Gesund ist etwa 0.001 bis 0.1 (eine Faustregel für einfaches SGD; Modul 14 zeigt, warum Adam anders ist).
act_stats(c)Versteckte Aktivierungen: Mittelwert, größter Wert, Anteil der toten Einheiten.
lr_schedule(c)Die Lernrate bei steps 0, 50, 100 und so weiter.
batch_labels(c)Die Labels in den ersten paar Batches.
overlap(c)Wie viele Validierungsbeispiele erscheinen auch im Training.
Wörter und Symbole in dieser Lektion
probe
eine schnelle Messung eines Durchlaufs, wie zum Beispiel Gradientengrößen oder tote Einheiten
verdict Genauigkeit
wie oft deine Annahme oder Ablehnung einer Behauptung mit der Wahrheit übereinstimmte
Du bist dran

Für jeden Fall A bis J setze verdicts[case] auf True (der Helfer hat recht) oder False. Du brauchst mindestens 9 von 10 richtig.

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.