Uma descoberta dentro do seu modelo, com um controle
Por que isso importa A lição do Módulo 21, aplicada ao seu próprio modelo: a pontuação de uma sonda não significa nada até que você a compare com o que a mesma sonda lê de uma rede que nunca foi treinada.
O conjunto de sondas para sua trilha faz uma pergunta sobre cada entrada (meaning): na trilha de linguagem, "o próximo caractere é uma vogal?"; na trilha de imagens, "qual objeto está na foto?".
Treine sua baseline (seed 0). Leia sua camada oculta (studio.hidden_units(model, X)) e treine uma linear probe na primeira metade do conjunto de probes, testando na segunda (ssl.probe, 300 steps). O controle: a mesma probe em uma rede untrained da mesma forma e seed (studio.MLP(track.n_in, width, track.n_out, seed=0)). Unidades ReLU aleatórias já transformam inputs em muitas features, e uma probe pode ler muito delas; apenas a parte acima do controle é algo que o treinamento colocou lá.
Palavras e símbolos nesta lição
- baseline
- a execução simples contra a qual cada mudança é medida, sobre as mesmas seeds
Preencha trained, control e base_rate (a parte do rótulo mais comum na metade de teste). Defina finding como "above control" se trained vencer control por mais de 0.02, caso contrário "not above control".
Viu um problema nesta lição? Reporte-o · Pergunte sobre esta lição
Este exercício abre em breve
Termine a lição anterior para que esta seja desbloqueada. O curso inteiro é gratuito, não precisa de conta, e você pode ler esta lição agora mesmo.
Este navegador está bloqueando cookies para learn.floati.life, então as lições que você terminou aqui não podem abrir em ordem. Permita cookies para este site e recarregue.