より深いネットワークと、記録した実行
なぜ大切か 層をもっと積めば助けになるはずです。突然そうでなくなるまでは。コースはこの実験を自分の機械で訓練したので、18 の実行すべてを数秒で見られます。
記録した実験 cnn-depth-shortcuts は、図形のデータセットで、2、8、20 の conv の層(それぞれ 16 チャンネル)を持つ CNN を、それぞれ近道(ブロックの入力を出力に足すこと、モジュール 6 から)ありとなしで、それぞれ 3 つのシードで訓練しました。ほかはすべて同じです:2,000 の訓練の画像、4 エポック、Adam。何も訓練しないので再生は一瞬です。あなたが読んでいるのは本当に起きたことです。
3 つのシードなのは、モジュール 9 が正しいからです:ひとつの実行は誤らせうる。それぞれの設定の平均だけでなく、ばらつきを見てください。
まず曲線を当ててください:どの設定がテストの正解率の平均で最も高く終わるか、そして素の 20 層のネットワークはどのシードでも学ぶか?
記録した実行:コースが一度行って同梱している本物の訓練の実行で、どのノートパソコンでもライブで訓練するには大きすぎるか多すぎる実行も、レッスンが学べるようにするものです。どの出力にも RECORDED と書かれています。
このレッスンの言葉と記号
- RECORDED(記録)
- コースが一度訓練し、学べるように同梱している本物の実行
my_best を、平均で最も高く終わると思う (depth, shortcuts) の組に、my_plain20_reliable を、素の 20 層のネットワークが 3 つのシードすべてで学ぶと思うなら True に設定してください。それから nnsim.recorded を使って final_acc を埋めます:(depth, shortcuts) から 3 つのシードの最終のテストの正解率のリスト(シード 0 が先)へ。mean_acc をそれぞれのリストの平均に、best を平均が最も高い組に設定してください。exp.seeds(depth=..., shortcuts=...) がひとつの設定の 3 つの実行を返します。偶然は 0.25(4 つの図形)です。
最後に、モジュール 9 のノイズの規則を使って、どの設定が本当に違うかを言ってください。それぞれ 3 つのシードでは、2 つの平均が本当に違うのは、差がおよそ 2 × s × sqrt(2/3) より大きいときだけです。ここで s は 2 つの設定のシードのばらつき(3 つの値の np.std)の大きいほうです。それより近いものは引き分けです。
ties_with_best を、その規則で best と引き分けるすべての組のリストに設定してください。best 自身も含めます。
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。
このブラウザは learn.floati.life の Cookie をブロックしているため、ここで修了したレッスンを順番どおりに開けません。このサイトの Cookie を許可して再読み込みしてください。