Programma Lezione 101 di 246 · Modulo 8: Clinica degli addestramenti I
Modulo 8: Clinica degli addestramenti I

Cancello: tre addestramenti rotti mai visti (IA spenta)

Perché è importante Diagnosticare da solo, con un budget, è l'abilità per cui esiste questo modulo.

Tutor IA spento. Tre addestramenti, ciascuno con un difetto preso da qualsiasi punto di questo modulo. Sono addestramenti nuovi, non i casi di pratica: altri semi, un'altra dimensione del batch, e difetti di altre entità, quindi i numeri che ricordi dalla pratica non coincideranno. Il tuo budget è di 9 sonde in tutto (addestrare un caso sigillato conta come una), contate su ogni esecuzione da quando la pagina si è aperta (ripetere una sonda sullo stesso caso è gratis; una diagnosi sbagliata o una correzione che non funziona costano una sonda).

Ogni caso qui sotto è un addestramento con un difetto piantato dentro. Per ciascuno: spendi sonde per trovare il difetto, poi scrivi una correzione come modifiche alla configurazione. I difetti di questa lezione: any fault from this module. Meno sonde è meglio; un buon diagnosta raramente ne ha bisogno di più di due per caso.

SondaChe cosa ti dice
loss_curve(c)La loss di addestramento ogni 50 passi e l'accuratezza di validazione finale. Guarda sempre per prima questa.
loss_at_init(c)La loss prima dell'addestramento. Un modello a 10 classi appena creato dovrebbe essere vicino a ln(10) = 2.30.
overfit_one_batch(c)Riesce a memorizzare 32 esempi? Una configurazione sana arriva vicino a 0.
grad_norms(c)La dimensione del gradiente per ogni matrice di pesi all'inizio. Zero significa che niente può imparare.
update_ratio(c)La dimensione del passo di SGD semplice rispetto alla dimensione dei pesi. Sano è circa da 0.001 a 0.1 (una regola empirica per l'SGD semplice; il Modulo 14 mostra perché Adam è diverso).
act_stats(c)Le attivazioni nascoste: media, valore più grande, quota di unità morte.
lr_schedule(c)Il learning rate ai passi 0, 50, 100 e così via.
batch_labels(c)Le etichette nei primi batch.
overlap(c)Quanti esempi di validazione compaiono anche nell'addestramento.
Parole e simboli di questa lezione
sonda
una misura rapida di un addestramento, come le dimensioni dei gradienti o le unità morte
Tocca a te

Compila diagnosis (dal caso al nome del difetto) e fixes (dal caso a un dizionario di modifiche alla configurazione) per i casi A, B e C. Una correzione deve togliere il difetto e addestrare fino ad almeno il 90% di accuratezza di validazione.

IA spenta: niente tutor, suggerimenti o soluzione svolta per questo. Solo il tuo ragionamento.

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.