Silabus Pelajaran 120 dari 246 · Modul 10: Jaringan yang bisa melihat (CNNs)
Modul 10: Jaringan yang bisa melihat (CNNs)

Jaringan yang lebih dalam, dan jalannya yang tercatat

Kenapa ini penting Menumpuk lebih banyak layer seharusnya membantu, sampai tiba-tiba tidak lagi. Kursus ini melatih eksperimen ini di mesinnya sendiri supaya kamu bisa melihat semua delapan belas jalannya dalam hitungan detik.

Eksperimen yang dicatat cnn-depth-shortcuts melatih CNN dengan 2, 8, dan 20 conv layers (masing-masing 16 channels) pada dataset shapes, masing-masing dengan dan tanpa shortcuts (menambahkan input block ke outputnya, dari Module 6), dan masing-masing dengan tiga seeds. Sisanya identik: 2,000 gambar pelatihan, 4 epochs, Adam. Replaying terjadi instan karena tidak ada yang dilatih; kamu membaca apa yang benar-benar terjadi.

Tiga seed, karena Module 9 benar: satu run bisa menyesatkan. Lihat sebaran setiap setting, jangan cuma rata-ratanya.

Tebak Kurvanya dulu: pengaturan mana yang berakhir dengan rata-rata akurasi tes tertinggi, dan apakah jaringan 20-layer biasa belajar di setiap seed?

Rekaman jalannya: sebuah sesi pelatihan nyata yang dibuat dan dikirim oleh kursus ini, jadi pelajaran bisa mempelajari jalannya yang terlalu besar atau terlalu banyak untuk dilatih secara langsung di setiap laptop. Setiap cetakan bertuliskan RECORDED.

Kata dan simbol di pelajaran ini
TEREKAM
kursus ini benar-benar dijalankan sekali dan dikirim untuk kamu pelajari
Giliranku

Atur my_best ke pasangan (depth, shortcuts) yang menurutmu berakhir tertinggi rata-ratanya, dan my_plain20_reliable ke True jika menurutmu jaringan 20-layer biasa belajar di ketiga seed. Lalu gunakan nnsim.recorded untuk mengisi final_acc: (depth, shortcuts) ke daftar akurasi tes akhir dari ketiga seed (seed 0 pertama), atur mean_acc ke rata-rata dari setiap daftar, dan best ke pasangan dengan rata-rata tertinggi. exp.seeds(depth=..., shortcuts=...) memberikan tiga jalannya satu pengaturan. Chance adalah 0.25 (empat bentuk).

Terakhir, gunakan aturan noise dari Modul 9 untuk menentukan pengaturan mana yang benar-benar berbeda. Dengan tiga seed masing-masing, dua rata-rata benar-benar berbeda hanya jika selisihnya lebih dari sekitar 2 × s × sqrt(2/3), di mana s adalah penyebaran seed yang lebih besar dari dua pengaturan tersebut (np.std dari ketiga nilai). Apapun yang lebih dekat adalah seri.

Atur ties_with_best ke daftar setiap pasangan yang seri dengan best berdasarkan aturan itu, termasuk best itu sendiri.

Ada masalah di pelajaran ini? Laporkan · Tanya tentang pelajaran ini

Latihan ini akan segera dibuka

Selesaikan pelajaran sebelumnya agar pelajaran ini terbuka. Seluruh kursus ini gratis, tidak butuh akun, dan kamu bisa baca pelajaran ini sekarang.