Gate: een nieuwe vorm (AI uit)
Waarom dit ertoe doet Elk recept in deze module is afgestemd op de spiral. Een recept dat je alleen kunt uitvoeren op de data waarvoor het is afgestemd is een recept dat je nog niet begrijpt.
Gate regels: AI uit. De nieuwe data: twee ringen, een binnenste met 40% van de punten en een buitenste met 60%. Met de instellingen van de spiraal (difflab.train('rings')) landen de samples slechts ongeveer de helft van de tijd op de ringen.
Pas de trainingsinstellingen aan zodat het model de ringen tekent. Je mag lr, steps (tot 5000), hidden (tot 128), batch, kind en time gebruiken. Elke trainingsronde duurt een paar seconden.
Train met seed 7 als starter doet: de check speelt het begin van je run opnieuw af om de instellingen te bevestigen, beoordeelt dan je model op nieuwe samples en keurt het goed met ten minste 0.75 op shape en 0.95 coverage.
Woorden en symbolen in deze les
- eps
- de klokvormige ruis die is toegevoegd; het netwerk leert dit te voorspellen
- on vorm, dekking
- de 2D judge: aandeel van samples dicht bij de echte vorm, en aandeel van de vorm met een sample dichtbij
Zet settings in als een dictionary voor difflab.train, gebruik een van lr, steps (maximaal 5000), hidden (maximaal 128), batch (maximaal 512), kind en time. Houd de trainingsregel van de starter (seed 7): de check beoordeelt dat model, dan neemt het 1500 punten met een nieuwe seed. Om te slagen: coverage minstens 0.95 en op shape minstens 0.75.
AI uit: geen tutor, hints of uitgewerkte oplossing voor deze. Alleen je eigen denkwerk.
Een probleem ontdekt in deze les? Meld het · Vraag naar deze les
Deze oefening opent binnenkort
Maak de les ervoor af voordat deze wordt ontgrendeld. De hele cursus is gratis, geen account nodig, en je kunt deze les nu lezen.
Deze browser blokkeert cookies voor learn.floati.life, dus lessen die je hier hebt afgerond kunnen niet in de juiste volgorde worden geopend. Sta cookies toe voor deze site en laad de pagina opnieuw.