Silabus Pelajaran 73 dari 246 · Modul 5: Optimisasi
Modul 5: Optimisasi

Mencari learning rate dengan cepat, dan memotong lonjakan

Kenapa ini penting Menebak learning rates membuang waktu berhari-hari. Satu run singkat memberitahu kamu mana yang bagus. Dan satu batch yang buruk bisa merusak sebuah run kecuali kamu membatasi step.

Uji tes rentang

Latih selama beberapa ratus langkah sambil menaikkan learning rate sedikit setiap langkah, dari kecil ke besar, dan catat loss. Awalnya tidak terjadi apa-apa; lalu loss turun cepat; lalu meledak. Learning rate yang bagus berada di mana loss turun paling cepat, sedikit di bawah ledakan. Aturan umum: ambil rate di mana loss paling rendah dan bagi dengan 10.

Clipping

Jika total ukuran gradient (panjangnya, atau norm) di atas batas, perkecil seluruh gradient ke panjang tersebut. Arahnya tetap; hanya langkah besar yang jarang terjadi yang dikendalikan.

Norm gradien: panjang dari semua gradien yang dianggap sebagai satu vektor panjang: akar kuadrat dari jumlah kuadrat mereka.

Kata dan simbol di pelajaran ini
norm gradien, pemotongan
ukuran total dari gradient, dan membatasinya
Giliranku

Tulis pick_lr(lrs, losses): learning rate saat loss terendah, dibagi 10. Dan clip(grads, max_norm): grads adalah list dari array; jika total norm mereka di atas max_norm, kembalikan semuanya yang diskalakan agar norm sama dengan max_norm, jika tidak kembalikan tanpa perubahan.

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.