Programme Leçon 97 sur 246 · Module 8 : Clinique des entraînements I
Module 8 : Clinique des entraînements I

Clinique : pannes des données

Pourquoi c'est important « Le bogue est toujours dans le modèle » est faux. Les pannes de données sont courantes et elles se cachent bien, parce que la boucle d'entraînement elle-même va bien.

La fuite : le jeu de validation contient des exemples d'entraînement, donc la justesse de validation a l'air merveilleuse et ne veut rien dire. Ne pas mélanger : les lots arrivent une classe à la fois, le modèle court après la dernière classe qu'il a vue, et la justesse sur des données mélangées est mauvaise. Les mauvaises étiquettes : beaucoup d'étiquettes d'entraînement sont aléatoires, donc la perte d'entraînement ne peut pas descendre bien bas même si le modèle peut mémoriser un lot.

Chaque cas ci-dessous est un entraînement où une panne a été plantée. Pour chacun : dépense des sondes pour trouver la panne, puis écris une correction sous forme de changements de config. Les pannes de cette leçon : leak, no_shuffle, noisy_labels. Moins de sondes, c'est mieux ; un bon diagnosticien a rarement besoin de plus de deux par cas.

SondeCe qu'elle te dit
loss_curve(c)La perte d'entraînement tous les 50 pas et la justesse de validation finale. Regarde toujours ça en premier.
loss_at_init(c)La perte avant l'entraînement. Un modèle à 10 classes tout neuf doit être près de ln(10) = 2.30.
overfit_one_batch(c)Peut-il mémoriser 32 exemples ? Une configuration saine arrive près de 0.
grad_norms(c)La taille du gradient par matrice de poids au départ. Zéro veut dire que rien ne peut apprendre.
update_ratio(c)La taille du pas de SGD simple par rapport à la taille des poids. Sain, c'est environ 0.001 à 0.1 (une règle empirique pour la SGD simple ; le module 14 montre pourquoi Adam diffère).
act_stats(c)Les activations cachées : moyenne, plus grande valeur, part d'unités mortes.
lr_schedule(c)Le taux d'apprentissage aux pas 0, 50, 100 et ainsi de suite.
batch_labels(c)Les étiquettes des quelques premiers lots.
overlap(c)Combien d'exemples de validation apparaissent aussi dans l'entraînement.
Mots et symboles de cette leçon
sonde
une mesure rapide d'un entraînement, comme la taille des gradients ou les unités mortes
fuite
des informations de test ou de validation qui atteignent l'entraînement
À ton tour

Remplis diagnosis (du cas vers le nom de la panne) et fixes (du cas vers un dictionnaire de changements de config) pour les cas A, B et C. Une correction doit supprimer la panne et entraîner jusqu'à au moins 90 % de justesse de validation.

Tu as repéré un problème dans cette leçon ? Signale-le · Pose une question sur cette leçon

Cet exercice s'ouvre bientôt

Termine la leçon précédente pour débloquer celle-ci. Tout le cours est gratuit, aucun compte n'est requis, et tu peux lire cette leçon dès maintenant.