سرفصل‌ها درس 208 از 246 · ماژول 20: سازگار کردن ارزان یک مدل آموزش‌دیده
ماژول 20: سازگار کردن ارزان یک مدل آموزش‌دیده

یادگیری تازه، فراموشی کهنه

چرا مهم است هر مدل مفیدی سازگار می‌شود: با اسناد یک شرکت، یک سبک برنامه‌نویسی، یک زبان. راه بدیهی، ادامهٔ آموزش روی دادهٔ تازه، هزینه‌ای دارد که هیچ‌کس تا وقتی دیر نشده نمی‌بیند: مدل در آنچه می‌دانست بدتر می‌شود.

GPT ثبت‌شدهٔ دوره انگلیسی را از متن درس‌های دوره یاد گرفت. کار تازه‌اش: کد پایتون، برگرفته از راه‌حل‌های کارشدهٔ دورهٔ پایتون. پیش از آموزش، روی انگلیسی کنار گذاشته‌شده 1.70 و روی کد کنار گذاشته‌شده 3.25 می‌گیرد (به‌سختی کد دیده است).

هر وزن را 60 گام از 8 پنجره روی کد آموزش دهید (بیشترین چیزی که در یک درس در مرورگر جا می‌شود) و هر دو را دوباره بسنجید. اول صحنه را تماشا کنید: دو زیان، گام به گام، برای این تنظیم دقیق کامل و برای روش ارزان‌تری که در این ماژول می‌سازید.

اول پیش‌بینی کنید: پس از 60 گام روی کد، آیا زیان انگلیسی تقریباً همان می‌ماند، یا بالا می‌رود؟

نوبت شما

my_guess را برابر "same" یا "rises" قرار دهید. before و after را با adapt.losses(model) (زیان انگلیسی، زیان کد) دور adapt.train(model, code_train, steps=60, batch=8) پر کنید.

مشکلی در این درس دیدید؟ گزارشش کنید · دربارهٔ این درس بپرسید

این تمرین به‌زودی باز می‌شود

درس پیش از آن را تمام کنید تا این یکی باز شود. کل دوره رایگان است، حساب کاربری لازم نیست، و می‌توانید همین الان این درس را بخوانید.