강의 계획 레슨 246개 중 96번째 · 모듈 8: 실행 클리닉 I
모듈 8: 실행 클리닉 I

클리닉: 학습률 결함

왜 중요한가 학습률은 나쁜 실행의 가장 흔한 원인이에요. 틀린 종류마다 다른 흔적을 남겨요.

너무 높으면: 걸음이 지나치고, 손실이 이리저리 뛰거나 올라가고, 업데이트 대 가중치 비율이 1 근처이거나 넘어요. 너무 낮으면: 거의 아무것도 움직이지 않고, 손실이 2.30 근처에 머물고, 비율이 아주 작아요. 너무 일찍 떨어뜨리면: 실행이 한동안 배우다가 나아지기를 멈춰요: 그때부터 손실은 그저그런 수준(여기서는 약 1.1과 1.5 사이) 주변에서 배치마다 흔들리기만 하고, 스케줄은 학습률이 무너지는 걸 보여 줘요.

아래 각 경우는 결함 하나를 심어 둔 훈련 실행이에요. 각각에 대해: 프로브를 써서 결함을 찾고, 그다음 설정 변경으로 수정을 쓰세요. 이 레슨의 결함: lr_too_high, lr_too_low, lr_dropped_early. 프로브는 적을수록 좋아요. 좋은 진단가는 경우마다 둘보다 많이 필요한 일이 드물어요.

프로브알려 주는 것
loss_curve(c)50걸음마다의 훈련 손실과 최종 검증 정확도. 언제나 먼저 보세요.
loss_at_init(c)훈련 전의 손실. 새 10클래스 모델은 ln(10) = 2.30 근처여야 해요.
overfit_one_batch(c)예시 32개를 외울 수 있나? 건강한 설정은 0 근처에 가요.
grad_norms(c)시작할 때 가중치 행렬마다의 기울기 크기. 0이면 아무것도 배울 수 없어요.
update_ratio(c)가중치 크기에 대한 평범한 SGD 걸음 크기. 건강하면 약 0.001~0.1(평범한 SGD의 경험칙. 모듈 14가 왜 Adam은 다른지 보여 줘요).
act_stats(c)은닉 활성화: 평균, 가장 큰 값, 죽은 유닛의 비율.
lr_schedule(c)걸음 0, 50, 100 등에서의 학습률.
batch_labels(c)처음 몇 배치의 레이블.
overlap(c)검증 예시 중 몇 개가 훈련에도 나오는지.
이 레슨의 단어와 기호
프로브
기울기 크기나 죽은 유닛 같은, 실행에 대한 빠른 측정
업데이트 대 가중치 비율
한 걸음이 각 가중치를 그 크기에 비해 얼마나 바꾸는지
내 차례

A, B, C 경우에 대해 diagnosis(경우에서 결함 이름으로)와 fixes(경우에서 설정 변경의 딕셔너리로)를 채우세요. 수정은 결함을 없애고 적어도 90% 검증 정확도까지 훈련돼야 해요.

이 레슨에서 문제를 발견했나요? 알려 주세요 · 이 레슨에 대해 묻기

이 연습은 곧 열려요

앞의 레슨을 마치면 이 레슨이 열려요. 강좌 전체가 무료이고 계정도 필요 없으며, 이 레슨은 지금 바로 읽을 수 있어요.