Programma Lezione 16 di 246 · Modulo 1: Python per questo corso
Modulo 1: Python per questo corso

Leggere una curva di loss

Perché è importante Un addestramento stampa una loss dopo ogni passata sui dati. Sapere quando ha smesso di migliorare ti dice quando fermare l'addestramento.

Un registro di addestramento di solito ha due numeri per epoca (una passata sui dati): la loss sui dati di addestramento, e la loss su dati di validazione tenuti da parte su cui il modello non si addestra mai. La loss di addestramento quasi sempre continua a scendere. La loss di validazione scende, poi spesso torna a salire: il modello ha iniziato a memorizzare i dati di addestramento invece di imparare lo schema.

Epoca: una passata completa sui dati di addestramento.

Il momento migliore per fermarsi è l'epoca in cui la loss di validazione è più bassa. np.argmin trova la posizione del valore più piccolo.

Riepilogo Guarda la loss di validazione, non quella di addestramento. Il suo punto più basso è il tuo modello migliore.

Parole e simboli di questa lezione
array
un blocco NumPy di numeri, tutti dello stesso tipo, che fa i calcoli su ogni elemento insieme
epoca
una passata completa sui dati di addestramento
Tocca a te

train_loss e val_loss sono dati (epoche da 1 a 15). Imposta best_epoch sul numero dell'epoca (contando da 1) con la loss di validazione più bassa, e disegna entrambe le curve su ax con le etichette "train" e "validation", in quest'ordine.

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.