모델에게 지금 몇 번째 걸음인지 알려 주기
왜 중요한가 같은 잡음 섞인 점도 걸음 5에서는 작은 보정이, 걸음 90에서는 큰 보정이 필요해요. 걸음을 듣지 못한 신경망은 점만으로 그걸 추측해야 해요. 어떻게 알려 줄지는 설계 선택이고, 유명한 선택이 언제나 최선은 아니에요.
세 가지 방법(difflab.time_input):
- none: 신경망은 점만 봐요.
- raw: 추가 숫자 하나, t / T.
- sine: 1부터 100까지의 주파수에서 t / T의 sin 8개와 cos 8개, 트랜스포머가 위치에 쓰는 임베딩. 큰 이미지 모델이 그걸 쓰는데, 많은 주파수가 깊은 신경망이 t의 작은 변화에 날카롭게 반응하게 해 주니까요.
기록된 실행은 각각을 나선에서 시드 셋으로 훈련해요. 모듈 9의 규칙으로 비교하세요: 한 설정은 평균 모양 위 점수가 적어도 0.1 높고 그리고 모든 시드(3개 중 3개)에서 더 높을 때 다른 설정을 이겨요.
이 레슨의 단어와 기호
- 모양 위, 덮음
- 2D 심판: 진짜 모양 근처에 있는 샘플의 비율, 그리고 근처에 샘플이 있는 모양의 비율
걸음마다 숫자 16개를 반환하는 sine_time(t, T)를 쓰세요(sin 먼저, 그다음 cos, 주파수 np.exp(np.linspace(0, np.log(100), 8))). 그다음 기록된 설정 이름 둘에 대한 beats(a, b)를 쓰고, raw 대 none, sine 대 none, sine 대 raw에 대한 verdicts를 채우세요.
이 연습은 곧 열려요
앞의 레슨을 마치면 이 레슨이 열려요. 강좌 전체가 무료이고 계정도 필요 없으며, 이 레슨은 지금 바로 읽을 수 있어요.
이 브라우저가 learn.floati.life의 쿠키를 막고 있어서, 여기서 마친 레슨들이 순서대로 열리지 않아요. 이 사이트의 쿠키를 허용하고 새로고침하세요.