Lehrplan Lektion 16 von 246 · Modul 1: Python für diesen Kurs
Modul 1: Python für diesen Kurs

Eine Verlustkurve lesen

Warum das wichtig ist Ein Trainingslauf gibt nach jedem Durchgang über die Daten einen loss aus. Zu wissen, wann er aufgehört hat besser zu werden, sagt dir, wann du das Training stoppen musst.

Das

A Trainingsprotokoll hat normalerweise zwei Zahlen pro epoch (ein Durchgang über die Daten): den loss auf den Trainingsdaten und den loss auf den zurückgehaltenen Validierungsdaten, auf denen das Modell nie trainiert. Der Trainingsloss sinkt fast immer weiter. Der Validierungsloss sinkt, steigt dann aber oft wieder an: das Modell hat begonnen, seine Trainingsdaten auswendig zu lernen, anstatt das Muster zu lernen.

Epoch: ein voller Durchgang über die Trainingsdaten.

Der beste Moment zum Stoppen ist die Epoche, in der der validation loss am niedrigsten ist. np.argmin findet die Position des kleinsten Wertes.

Zusammenfassung Achte auf den validation loss, nicht auf den training loss. Sein tiefster Punkt ist dein bestes Modell.

Wörter und Symbole in dieser Lektion
array
a NumPy Block von Zahlen, alle vom gleichen Typ, der Mathe auf jedem Element gleichzeitig macht
epoch
one vollständiger Durchlauf über die Trainingsdaten
Du bist dran

train_loss und val_loss sind gegeben (Epochen 1 bis 15). Setze best_epoch auf die Epochennummer (gezählt ab 1) mit dem niedrigsten Validierungsverlust und zeichne beide Kurven auf ax mit den Labels "train" und "validation" in dieser Reihenfolge.

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.