دروازه: سه اجرای خراب ندیده (هوش مصنوعی خاموش)
چرا مهم است عیبیابی بهتنهایی، با یک بودجه، همان مهارتی است که این ماژول برای آن است.
دستیار هوش مصنوعی خاموش. سه اجرا، هر کدام با یک عیب از هر جای این ماژول. اجراهای تازهاند، نه موردهای تمرینی: بذرهای دیگر، اندازهٔ دستهٔ دیگر و عیبهایی با اندازههای دیگر، پس اعدادی که از تمرین به یاد دارید جور نخواهند بود. بودجهٔ شما در مجموع 9 کاوشگر است (آموزش یک مورد مهرومومشده یکی حساب میشود)، شمردهشده در همهٔ اجراها از زمان باز شدن صفحه (تکرار یک کاوشگر روی همان مورد رایگان است؛ یک عیبیابی اشتباه یا راهحلی که کار نکند یک کاوشگر هزینه دارد).
هر مورد زیر یک اجرای آموزش است که یک عیب در آن کاشته شده. برای هر کدام: کاوشگرها را برای پیدا کردن عیب خرج کنید، سپس یک راهحل بهصورت تغییرهای پیکربندی بنویسید. عیبهای این درس: any fault from this module. کاوشگرهای کمتر بهتر است؛ یک عیبیاب خوب بهندرت برای هر مورد به بیش از دو تا نیاز دارد.
| کاوشگر | چه چیزی به شما میگوید |
|---|---|
loss_curve(c) | زیان آموزش هر 50 گام و درستی نهایی اعتبارسنجی. همیشه اول نگاه کنید. |
loss_at_init(c) | زیان پیش از آموزش. یک مدل 10 کلاسهٔ تازه باید نزدیک ln(10) = 2.30 باشد. |
overfit_one_batch(c) | آیا میتواند 32 نمونه را حفظ کند؟ یک چیدمان سالم به نزدیک 0 میرسد. |
grad_norms(c) | اندازهٔ گرادیان برای هر ماتریس وزن در آغاز. صفر یعنی هیچ چیز نمیتواند یاد بگیرد. |
update_ratio(c) | اندازهٔ گام SGD ساده نسبت به اندازهٔ وزن. سالم حدود 0.001 تا 0.1 است (یک قاعدهٔ سرانگشتی برای SGD ساده؛ ماژول 14 نشان میدهد چرا Adam فرق دارد). |
act_stats(c) | فعالسازیهای پنهان: میانگین، بزرگترین مقدار، سهم واحدهای مرده. |
lr_schedule(c) | نرخ یادگیری در گامهای 0، 50، 100 و همینطور ادامه. |
batch_labels(c) | برچسبها در چند دستهٔ اول. |
overlap(c) | چند نمونهٔ اعتبارسنجی در آموزش هم آمدهاند. |
واژهها و نمادهای این درس
- کاوشگر (probe)
- سنجشی سریع از یک اجرا، مثل اندازهٔ گرادیانها یا واحدهای مرده
diagnosis (مورد به نام عیب) و fixes (مورد به دیکشنریای از تغییرهای پیکربندی) را برای موردهای A، B و C پر کنید. یک راهحل باید عیب را حذف کند و تا دستکم 90% درستی اعتبارسنجی آموزش دهد.
هوش مصنوعی خاموش: در این یکی مربی، راهنمایی یا راهحل کاملی نیست. فقط فکر خودتان.
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.