Одна находка внутри вашей модели, с контролем
Почему это важно Урок модуля 21, применённый к вашей собственной модели: результат пробы ничего не значит, пока вы не сравните его с тем, что та же проба читает из сети, которая никогда не обучалась.
Набор для пробы вашего трека задаёт один вопрос о каждом входе (meaning): на треке language - "следующий символ гласный?"; на треке images - "какой объект на фото?".
Обучите свой базовый запуск (seed 0). Прочитайте его скрытый слой (studio.hidden_units(model, X)) и обучите линейную пробу на первой половине набора, тестируя на второй (ssl.probe, 300 шагов). Контроль: та же проба на необученной сети той же формы и с тем же seed (studio.MLP(track.n_in, width, track.n_out, seed=0)). Случайные нейроны ReLU уже превращают входы во множество признаков, и проба может прочитать из них многое; только часть выше контроля - то, что туда положило обучение.
Слова и символы этого урока
- базовый запуск
- простой запуск, с которым сравнивается каждое изменение, на тех же seed
Заполните trained, control и base_rate (доля самой частой метки в тестовой половине). Присвойте finding значение "above control", если trained обыгрывает control больше чем на 0.02, иначе "not above control".
Заметили проблему в этом уроке? Сообщите о ней · Спросить об этом уроке
Это упражнение откроется скоро
Закончи предыдущий урок, чтобы открылся этот. Весь курс бесплатный, аккаунт не нужен, и ты можешь прочитать этот урок прямо сейчас.
Этот браузер блокирует cookies для learn.floati.life, поэтому завершенные здесь уроки не могут открыться по порядку. Разрешите cookies для этого сайта и перезагрузите страницу.