Pfeile zurück zu den Daten (Sieh es)
Warum das wichtig istRauschen zu entfernen klingt wie Magie, bis du siehst, was das Netzwerk tatsächlich lernt: für jeden verrauschten Punkt ein Pfeil, der dorthin zeigt, wo die sauberen Daten wahrscheinlich waren. Die Generierung folgt diesen Pfeilen nach Hause.
Das Netzwerk wird darauf trainiert, das hinzugefügte Rauschen eps vorherzusagen. Drehe den Shortcut um und seine Schätzung wird zu einer Schätzung des sauberen Punktes:
x0_estimate = (x_t - sqrt(1 - abar_t) eps_predicted) / sqrt(abar_t)
Zeichne einen Pfeil von jedem verrauschten Punkt zu seiner x0 Schätzung und du erhältst ein Feld aus Pfeilen. Betrachte die Szene: das gleiche Gitter aus Punkten, bei einem sehr verrauschten Schritt und bei einem fast sauberen Schritt.
Vorhersage zuerst: bei welchem Schritt stimmen die Pfeile mehr überein, wobei alle auf etwa denselben Ort zeigen: Schritt 60 (sehr verrauscht) oder Schritt 10 (fast sauber)?
Wörter und Symbole in dieser Lektion
- abar
- der Anteil des ursprünglichen Signals, der nach einer Anzahl von steps übrig bleibt (seine Wurzel multipliziert x0)
- x0, x_t
- die sauberen Daten und dieselben Daten nach t Schritten von Rauschen
- eps
- das Glockenkurven-Rauschen, das hinzugefügt wurde; das Netzwerk lernt, es vorherzusagen
Setze my_guess auf 60 oder 10. Trainiere ein Modell (difflab.train('spiral'), ein paar Sekunden), dann berechne für das 11 x 11 Grid die x0 Schätzungen bei Schritt 60 und bei Schritt 10. Fülle spread (die Streuung der Schätzungen, est.std(axis=0).mean()) und near (ihre mittlere Distanz zur Spirale, difflab.nearest_distance(est).mean()) für beide Schritte aus. Setze dann agree_more auf den Schritt (60 oder 10), bei dem deine Zahlen zeigen, dass die Schätzungen besser übereinstimmen. Dein Tipp bleibt so, wie du ihn gemacht hast.
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.
Dieser Browser blockiert Cookies für learn.floati.life, daher können hier beendigte Lektionen nicht in der richtigen Reihenfolge geöffnet werden. Erlaube Cookies für diese Seite und lade sie neu.