Conteúdo do curso Lição 97 de 246 · Módulo 8: Clínica de Execução I
Módulo 8: Clínica de Execução I

Clínica: falhas de dados

Por que isso importa "O bug está sempre no modelo" é falso. Falhas de dados são comuns e elas se escondem bem, porque o próprio training loop está correto.

Vazamento: o conjunto de validação contém exemplos de treinamento, então a acurácia de validação parece maravilhosa e não significa nada. Sem embaralhar: os batches vêm um de cada vez por classe, o modelo persegue qualquer classe que viu por último, e a acurácia em dados mistos é ruim. Rótulos errados: muitos rótulos de treinamento são aleatórios, então o training loss não pode cair muito mesmo que o modelo consiga memorizar um batch.

Cada caso abaixo é uma execução de treinamento com uma falha plantada nele. Para cada um: gaste sondas para encontrar a falha, depois escreva uma correção como mudanças de config. As falhas nesta lição: leak, no_shuffle, noisy_labels. Menos sondas é melhor; um bom diagnosticador raramente precisa de mais de duas por caso.

ProbeO que isso te diz
loss_curve(c)Perda de treinamento a cada 50 passos e acurácia final de validação. Sempre olhe primeiro.
loss_at_init(c)Loss antes do treinamento. Um modelo novo de 10 classes deve estar perto de ln(10) = 2.30.
overfit_one_batch(c)Ele consegue memorizar 32 exemplos? Uma configuração saudável chega perto de 0.
grad_norms(c)Tamanho do Gradient por matriz de peso no início. Zero significa que nada pode aprender.
update_ratio(c)Tamanho do passo do SGD simples em relação ao tamanho do peso. O saudável é cerca de 0.001 a 0.1 (uma regra prática para o SGD simples; o Módulo 14 mostra por que o Adam difere).
act_stats(c)Ativações ocultas: média, maior valor, parcela de unidades mortas.
lr_schedule(c)A learning rate nos steps 0, 50, 100 e assim por diante.
batch_labels(c)Os rótulos nos primeiros lotes.
overlap(c)Quantos exemplos de validação também aparecem no treinamento.
Palavras e símbolos nesta lição
probe
uma medição rápida de uma execução, como tamanhos de gradiente ou unidades mortas
leakage
informação de teste ou validação chegando ao treinamento
Sua vez

Preencha diagnosis (caso para nome da falha) e fixes (caso para um dicionário de mudanças de configuração) para os casos A, B e C. Um fix deve remover a falha e treinar para pelo menos 90% de acurácia de validação.

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.