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؟
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.
این مرورگر کوکیهای learn.floati.life را مسدود میکند، پس درسهایی که اینجا تمام کردید نمیتوانند به ترتیب باز شوند. کوکیها را برای این سایت مجاز کنید و صفحه را دوباره بارگذاری کنید.