Prueba de paso: tres ejecuciones rotas no vistas (IA apagada)
Por qué importa Diagnosticar tú solo, con un presupuesto, es la habilidad que este curso lleva construyendo desde el Módulo 8.
Tutor de IA apagado. Tres ejecuciones, cada una con un fallo de los casos de entrenamiento de este módulo. Son ejecuciones nuevas, no los casos de práctica: otra semilla y fallos de otros tamaños, así que los números que recuerdes no van a coincidir. Tu presupuesto es de 9 sondas en total (entrenar un caso sellado cuenta como una), contadas en todas las ejecuciones desde que se abrió la página (repetir una sonda en el mismo caso es gratis; un diagnóstico equivocado o un arreglo que no funciona cuesta una sonda).
Cada caso de abajo es un entrenamiento con un fallo plantado. Para cada uno: gasta sondas para encontrar el fallo, y luego escribe un arreglo como cambios de config que devuelvan la ejecución a su estado sano. Los fallos de esta lección: any training fault from this module. Un buen diagnosticador rara vez necesita más de dos sondas por caso.
| Sonda | Lo que te dice | Ejecución sana |
|---|---|---|
loss_curve(c) | La pérdida de entrenamiento cada 25 pasos, y la pérdida con texto no visto al final. Mira siempre esto primero. | de 4.55 a unos 2.9; no visto unos 3.0 |
loss_at_init(c) | La pérdida antes de entrenar. Un modelo nuevo que adivina por igual entre 95 caracteres da ln(95). | 4.55 |
leak_check(c) | ¿Puede un carácter posterior cambiar una predicción anterior? | False |
show_batch(c) | Una entrada de entrenamiento y su objetivo, como texto. | objetivo = la entrada movida un carácter a la izquierda |
update_ratio(c) | Después del primer paso de Adam, cuánto se movieron los pesos en relación con su tamaño. No es la regla del Módulo 8: ese rango de 0.001 a 0.1 es para pasos de SGD simple. El primer paso de Adam mueve cada peso más o menos la tasa de aprendizaje sea cual sea su gradiente, y estos pesos empiezan cerca de 0.02, así que 0.01 / 0.02 da unos 0.5. Compara un caso con esta ejecución sana, no con el rango del Módulo 8. | unos 0.5 |
block_change(c) | Cuánto cambia el primer bloque cada vector al principio. | unos 0.3 |
Palabras y símbolos de esta lección
- ln(V)
- la pérdida inicial de un modelo que adivina por igual entre V símbolos: 4.55 para 95 caracteres
- cambio del bloque
- cuánto cambia un bloque un vector al principio; cerca de 1 significa que lo sustituyó
Rellena diagnosis (de caso a nombre del fallo) y fixes (de caso a un diccionario de cambios de config) para los casos A, B y C. Después de tu arreglo, cada ajuste debe coincidir con la ejecución sana.
IA desactivada: en este no hay tutor, pistas ni solución. Solo tu propio razonamiento.
¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección
Este ejercicio se abre pronto
Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.
Este navegador está bloqueando las cookies de learn.floati.life, así que las lecciones que terminaste aquí no se pueden abrir en orden. Permite las cookies de este sitio y recarga.