عیبیابی فقط از روی سوابق
چرا مهم است اغلب نمیتوانید چیزی را دوباره اجرا کنید: اجرا مال کس دیگری بود، یا یک هفته هزینه داشت. تنها چیزی که دارید آنچه ثبت شده است. دو آزمایش ثبتشده از این دوره شکستهای واقعی را نگه میدارند.
در gpt-width-lr، یک تنظیم وقتی به خاطر نرخ یادگیریاش خراب است که زیان نهایی کنار گذاشتهشدهاش، میانگینگیریشده روی سه بذر ثبتشده، بیش از 0.5 بدتر از بهترین تنظیم همان عرض باشد. در cnn-depth-shortcuts، یک اجرای تنها وقتی گیر کرده است که درستی آزمونش در هر دوره دقیقاً یکسان باشد: برای همه چیز یک کلاس را پاسخ میدهد (چهار کلاس شکل هست، پس حدود 0.25).
پیش از نگاه کردن پیشبینی کنید: کدام اجراهای GPT خراباند و کدام CNN گیر کرده است؟
broken را با جفتهای (width, lr) و stuck را با سهتاییهای (depth, shortcuts, seed)، محاسبهشده از سوابق، پر کنید. exp.seeds(d=..., lr=...) سه اجرای یک تنظیم را میدهد.
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.