Programme Leçon 99 sur 246 · Module 8 : Clinique des entraînements I
Module 8 : Clinique des entraînements I

Clinique : pannes de départ et d'échelle

Pourquoi c'est important Les pannes du module 6 dans la nature : elles arrêtent l'apprentissage avant qu'il commence.

Unités mortes : chaque unité cachée est éteinte pour chaque entrée, donc aucun gradient n'atteint la première couche et la perte ne quitte jamais 2.30. Entrées non mises à l'échelle : les pixels arrivent de 0 à 16 au lieu de 0 à 1, les activations sont énormes, la perte de départ est bien au-dessus de 2.30, et les premiers pas sont violents. (Le piège entraînement/évaluation de BatchNorm du module 6 a aussi sa place ici ; tu l'as déjà rencontré.)

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 : dead_units, unscaled_inputs, plus one fault from earlier (plus une panne vue plus tôt). 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
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.