गहरे networks, और दर्ज runs
यह क्यों मायने रखता है ज़्यादा layers का ढेर लगाना मदद करना चाहिए, जब तक अचानक नहीं करता। कोर्स ने यह प्रयोग अपनी machine पर train किया ताकि आप सारे अठारह runs seconds में देख सकें।
दर्ज प्रयोग cnn-depth-shortcuts ने shapes dataset पर 2, 8 और 20 conv layers (हर एक 16 channels) वाले CNNs train किए, हर एक shortcuts के साथ और बिना (एक block का input उसके output में जोड़ना, Module 6 से), और हर एक तीन seeds के साथ। बाकी सब एक जैसा था: 2,000 training images, 4 epochs, Adam। दोहराना तुरंत है क्योंकि कुछ train नहीं होता; आप पढ़ रहे हैं कि असल में क्या हुआ।
तीन seeds, क्योंकि Module 9 सही है: एक run गुमराह कर सकता है। हर setting का फैलाव देखें, बस उसका औसत नहीं।
पहले Call the Curve: कौन-सी setting सबसे ऊँची औसत test accuracy पर ख़त्म होती है, और क्या सादा 20-layer network हर seed पर सीखता है?
Recorded run: एक असली training run जो कोर्स ने एक बार बनाया और भेजता है, ताकि पाठ ऐसे runs का भी अध्ययन कर सकें जो हर laptop पर live train करने के लिए बहुत बड़े या बहुत ज़्यादा हैं। हर printout RECORDED कहता है।
इस पाठ के शब्द और चिह्न
- RECORDED
- एक असली run जो कोर्स ने एक बार train किया और आपके अध्ययन के लिए भेजता है
my_best को उस (depth, shortcuts) जोड़े पर सेट करें जो आपके हिसाब से औसत में सबसे ऊँचा ख़त्म होता है, और my_plain20_reliable को True पर अगर आपको लगता है कि सादा 20-layer network तीनों seeds पर सीखता है। फिर final_acc भरने के लिए nnsim.recorded इस्तेमाल करें: (depth, shortcuts) से तीन seeds की अंतिम test accuracies की सूची (seed 0 पहले), mean_acc को हर सूची के औसत पर, और best को सबसे ऊँचे औसत वाले जोड़े पर सेट करें। exp.seeds(depth=..., shortcuts=...) एक setting के तीन runs देता है। संयोग 0.25 है (चार आकार)।
अंत में, Module 9 का शोर नियम इस्तेमाल करके बताएँ कि कौन-सी settings सच में अलग हैं। हर एक तीन seeds के साथ, दो औसत सच में तभी अलग हैं जब अंतर लगभग 2 × s × sqrt(2/3) से ज़्यादा हो, जहाँ s दोनों settings के seed फैलावों में बड़ा है (तीनों मानों का np.std)। कोई भी क़रीबी चीज़ बराबरी है।
ties_with_best को उस नियम से best से बराबर हर जोड़े की सूची पर सेट करें, best ख़ुद शामिल।
इस पाठ में कोई समस्या दिखी? बताएँ · इस पाठ के बारे में पूछें
यह अभ्यास जल्द खुलेगा
इससे पहले वाला पाठ पूरा करें और यह खुल जाएगा। पूरा कोर्स मुफ़्त है, कोई खाता नहीं चाहिए, और आप यह पाठ अभी पढ़ सकते हैं।
यह ब्राउज़र learn.floati.life के लिए कुकी रोक रहा है, इसलिए यहाँ पूरे किए गए पाठ क्रम से नहीं खुल सकते। इस साइट के लिए कुकी की अनुमति दें और फिर से लोड करें।