Programme Leçon 98 sur 246 · Module 8 : Clinique des entraînements I
Module 8 : Clinique des entraînements I

Clinique : pannes de la perte et de la sortie

Pourquoi c'est important Ces pannes laissent l'entraînement tourner et la perte baisser, donc elles survivent longtemps dans du vrai code.

Softmax appliqué deux fois : la perte voit des probabilités comme si c'étaient des scores, les gradients rétrécissent, le modèle ne peut même pas mémoriser un lot, et la perte baisse à pas de fourmi. Cibles décalées : chaque étiquette est décalée de un, donc le modèle apprend parfaitement bien, juste les mauvaises réponses : perte d'entraînement basse, justesse de validation proche de zéro.

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 : softmax_twice, shifted_targets, 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.