سرفصل‌ها درس 164 از 246 · ماژول 14: کلینیک اجرا II
ماژول 14: کلینیک اجرا II

به دستیار اعتماد کنیم؟ نسخهٔ دنباله‌ای

چرا مهم است همان مهارت ماژول 8، عیب‌های دشوارتر: چند تا از این‌ها فقط از روی منحنی زیان شبیه هم‌اند، پس دستیاری که فقط منحنی‌ها را می‌خواند آن‌ها را با اطمینان کامل اشتباه می‌گیرد.

یک دستیار هوش مصنوعی برای هر یک از هشت اجرای خراب عیبی نام برده است. بعضی ادعاها اشتباه‌اند. مراقب جفت‌هایی باشید که یک نشانه را به اشتراک می‌گذارند: دو عیب هر دو می‌توانند زیان آموزش را به‌طرز مشکوکی پایین کنند و دو تا هر دو می‌توانند آن را متوقف کنند.

کاوشگرچه چیزی به شما می‌گویداجرای سالم
loss_curve(c)زیان آموزش هر 25 گام و زیان روی متن ندیده در پایان. همیشه اول نگاه کنید.از 4.55 تا حدود 2.9؛ ندیده حدود 3.0
loss_at_init(c)زیان پیش از آموزش. یک مدل تازه که به‌طور یکنواخت روی 95 نویسه حدس می‌زند ln(95) می‌دهد.4.55
leak_check(c)آیا یک نویسهٔ بعدی می‌تواند یک پیش‌بینی پیشین را تغییر دهد؟False
show_batch(c)یک ورودی آموزشی و هدفش، به‌صورت متن.هدف = ورودی که یک نویسه به چپ رفته
update_ratio(c)پس از اولین گام Adam، وزن‌ها نسبت به اندازه‌شان چقدر حرکت کردند. قاعدهٔ ماژول 8 نیست: آن بازهٔ 0.001 تا 0.1 برای گام‌های SGD ساده است. اولین گام Adam هر وزن را، هر گرادیانی داشته باشد، حدود نرخ یادگیری حرکت می‌دهد و این وزن‌ها نزدیک 0.02 شروع می‌کنند، پس 0.01 / 0.02 حدود 0.5 می‌دهد. یک مورد را با این اجرای سالم مقایسه کنید، نه با بازهٔ ماژول 8.حدود 0.5
block_change(c)بلوک اول در آغاز هر بردار را چقدر تغییر می‌دهد.حدود 0.3
واژه‌ها و نمادهای این درس
ln(V)
زیان آغازین مدلی که به‌طور یکنواخت روی V نماد حدس می‌زند: 4.55 برای 95 نویسه
تغییر بلوک
اینکه یک بلوک در آغاز یک بردار را چقدر تغییر می‌دهد؛ نزدیک 1 یعنی جایگزینش کرده
نوبت شما

برای هر مورد A تا H، verdicts[case] را برابر True (دستیار درست می‌گوید) یا False قرار دهید. دست‌کم 7 از 8 درست لازم دارید.

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.