Una scoperta dentro il tuo modello, con un controllo
Perché è importante La lezione del Modulo 21, applicata al tuo modello: il punteggio di una sonda non significa niente finché non lo confronti con ciò che la stessa sonda legge da una rete che non si è mai addestrata.
L'insieme della sonda per il tuo percorso fa una domanda su ogni input (meaning): sul percorso language, "il carattere successivo è una vocale?"; sul percorso images, "quale oggetto c'è nella foto?".
Addestra la tua baseline (seed 0). Leggi il suo layer nascosto (studio.hidden_units(model, X)) e addestra una sonda lineare sulla prima metà dell'insieme della sonda, testandola sulla seconda (ssl.probe, 300 passi). Il controllo: la stessa sonda su una rete non addestrata della stessa forma e dello stesso seed (studio.MLP(track.n_in, width, track.n_out, seed=0)). Unità ReLU casuali trasformano già gli input in tante feature, e una sonda ne può leggere molto; solo la parte sopra il controllo è qualcosa che ci ha messo l'addestramento.
Parole e simboli di questa lezione
- baseline
- l'esecuzione semplice rispetto a cui si misura ogni cambiamento, sugli stessi seed
Riempi trained, control e base_rate (la quota dell'etichetta più comune nella metà di test). Imposta finding su "above control" se trained batte control di più di 0.02, altrimenti "not above control".
Hai notato un problema in questa lezione? Segnalalo · Chiedi qualcosa su questa lezione
Questo esercizio si apre presto
Finisci la lezione precedente e questa si sblocca. L'intero corso è gratuito, senza account, e puoi leggere questa lezione subito.
Questo browser blocca i cookie per learn.floati.life, quindi le lezioni che hai finito qui non si possono aprire in ordine. Consenti i cookie per questo sito e ricarica.