シラバス レッスン 246 中 161 · モジュール 14:訓練クリニック II
モジュール 14:訓練クリニック II

クリニック:歩幅と始めの重み

なぜ大切か モジュール 8 の学習率と尺度の欠陥が、Adam の指紋をつけて戻ってきます。

Adam では、最初のステップで、勾配が何であれどの重みもおよそ学習率だけ動きます。なので更新の比は歩幅の直接の読み取りです:健全な実行では約 0.5(0.02 近くの重みに対して 0.01)、学習率がずっと高すぎると約 15(すると損失はよろめく)、ずっと低すぎると約 0.0005(損失はほとんど 4.55 を離れない)。ずっと大きすぎる始めの重みは、まさに最初の予測をむやみに自信満々で間違ったものにします:始めの損失は 4.55 よりずっと上です。

下のそれぞれの場合は、ひとつの欠陥を仕込んだ訓練の実行です。それぞれについて:調べる手段を使って欠陥を見つけ、それから実行を健全に戻す設定の変更として直し方を書いてください。このレッスンの欠陥:lr_too_high, lr_too_low, init_too_big。良い診断医は、ひとつの場合に調べる手段を 2 つより多く使うことはめったにありません。

調べる手段教えてくれること健全な実行
loss_curve(c)25 ステップごとの訓練の損失と、最後の、見たことのない文章での損失。いつもまずこれを見る。4.55 から約 2.9 へ。見たことのないものは約 3.0
loss_at_init(c)訓練の前の損失。95 文字の上で均等に推測する新しいモデルは ln(95) を返す。4.55
leak_check(c)後の文字が前の予測を変えられるか?False
show_batch(c)ひとつの訓練の入力とその目標を、文章として。目標 = 入力を 1 文字左にずらしたもの
update_ratio(c)最初の Adam のステップのあと、重みが自分の大きさに比べてどれだけ動いたか。モジュール 8 の規則ではない:その 0.001 から 0.1 の範囲は素の SGD のステップのためのもの。Adam の最初のステップは勾配が何であれ、どの重みもおよそ学習率だけ動かし、これらの重みは 0.02 近くで始まるので、0.01 / 0.02 で約 0.5。場合はモジュール 8 の範囲ではなく、この健全な実行と比べる。約 0.5
block_change(c)始めに、最初のブロックがそれぞれのベクトルをどれだけ変えるか。約 0.3
このレッスンの言葉と記号
ln(V)
V の記号の上で均等に推測するモデルの始めの損失:95 文字なら 4.55
ブロックの変化
始めに、ひとつのブロックがベクトルをどれだけ変えるか。1 に近ければそれを置き換えたということ
あなたの番

場合 A、B、C について diagnosis(場合から欠陥の名前へ)と fixes(場合から設定の変更の辞書へ)を埋めてください。直したあと、どの設定も健全な実行と一致しなければなりません。

このレッスンに問題を見つけましたか?報告する · このレッスンについて質問する

この演習はまもなく開きます

その前のレッスンを終えると、このレッスンが解放されます。コース全体が無料でアカウントも不要、このレッスンは今すぐ読めます。