पाठ्यक्रम 246 में से पाठ 16 · Module 1: इस कोर्स के लिए Python
Module 1: इस कोर्स के लिए Python

एक loss वक्र पढ़ना

यह क्यों मायने रखता है एक training run data पर हर चक्कर के बाद एक loss print करता है। यह जानना कि कब वह बेहतर होना बंद हुआ आपको बताता है कि training कब रोकनी है।

एक training log में आमतौर पर हर epoch (data पर एक चक्कर) की दो संख्याएँ होती हैं: training data पर loss, और अलग रखे validation data पर loss जिस पर model कभी train नहीं होता। training loss लगभग हमेशा गिरता रहता है। validation loss गिरता है, फिर अक्सर वापस ऊपर मुड़ता है: model ने pattern सीखने के बजाय अपना training data रटना शुरू कर दिया है।

Epoch: training data पर एक पूरा चक्कर।

रुकने का सबसे अच्छा पल वह epoch है जहाँ validation loss सबसे कम है। np.argmin सबसे छोटे मान की स्थिति ढूँढता है।

सार training loss नहीं, validation loss देखें। उसका सबसे निचला बिंदु आपका सबसे अच्छा model है।

इस पाठ के शब्द और चिह्न
array
संख्याओं का एक NumPy block, सब एक प्रकार की, जो हर item पर एक साथ गणित करता है
epoch
training data पर एक पूरा चक्कर
आपकी बारी

train_loss और val_loss दिए हैं (epochs 1 से 15)। best_epoch को सबसे कम validation loss वाले epoch number (1 से गिनते हुए) पर सेट करें, और दोनों वक्र ax पर labels "train" और "validation" के साथ, उसी क्रम में, plot करें।

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।