Yardımcıya güvenmek?
Neden önemli Yapay zekâ asistanları eğitim çalıştırmalarını seve seve teşhis eder. Çoğu zaman haklıdırlar ve bazen kendinden emin bir şekilde yanılırlar. Beceri, tona değil kanıta dayanarak hangisi olduğunu bilmektir.
Bir yapay zekâ yardımcısı on bozuk çalıştırmaya baktı ve her biri için bir hata adlandırdı. Cevaplarının yaklaşık üçte biri yanlış, ve doğru olanlar kadar kendinden emin görünüyorlar. Her durum için karar ver: kabul et ya da reddet. Her kararı iddianın ne kadar akla yatkın göründüğüne değil, bir yoklamaya dayandır.
Puanın karar doğruluğudur: kabul ya da reddinin ne sıklıkta gerçekle eşleştiği. (Bu Modül 9'un tanımladığı kalibrasyon değildir: güvenin ne sıklıkta haklı çıktığınla eşleşip eşleşmediği.) Bazı belirtilere uyan ama belirleyici olana uymayan iddialara dikkat et: takılmış bir kayıp çok düşük bir öğrenme oranı da olabilir, iyiyken sonra düşürülmüş bir oran da.
| Yoklama | Sana ne söyler |
|---|---|
loss_curve(c) | Her 50 adımda eğitim kaybı ve son doğrulama doğruluğu. Her zaman önce buna bak. |
loss_at_init(c) | Eğitimden önceki kayıp. Yeni bir 10 sınıflı model ln(10) = 2.30 civarında olmalı. |
overfit_one_batch(c) | 32 örneği ezberleyebiliyor mu? Sağlıklı bir kurulum 0 civarına iner. |
grad_norms(c) | Başlangıçta ağırlık matrisi başına gradyan boyutu. Sıfır, hiçbir şeyin öğrenemeyeceği demektir. |
update_ratio(c) | Ağırlık boyutuna göre düz SGD adım boyu. Sağlıklısı yaklaşık 0.001 ile 0.1 arasıdır (düz SGD için bir pratik kural; Modül 14 Adam'ın neden farklı olduğunu gösteriyor). |
act_stats(c) | Gizli aktivasyonlar: ortalama, en büyük değer, ölü birimlerin payı. |
lr_schedule(c) | 0, 50, 100 ve devamı adımlardaki öğrenme oranı. |
batch_labels(c) | İlk birkaç batch'teki etiketler. |
overlap(c) | Kaç doğrulama örneğinin eğitimde de göründüğü. |
Bu dersteki kelimeler ve semboller
- yoklama
- gradyan boyutları ya da ölü birimler gibi bir çalıştırmanın hızlı bir ölçümü
- karar doğruluğu
- bir iddiayı kabul ya da reddinin ne sıklıkta gerçekle eşleştiği
A'dan J'ye her durum için verdicts[case] değerini True (yardımcı haklı) ya da False olarak ayarla. 10'dan en az 9'unu doğru yapman gerekiyor.
Bu derste bir sorun mu fark ettin? Bildir · Bu ders hakkında soru sor
Bu alıştırma yakında açılacak
Bu dersi bitirince bu ders açılacak. Kursun tamamı ücretsiz, hesap gerekmiyor ve bu dersi hemen şimdi okuyabilirsin.
Bu tarayıcı learn.floati.life için çerezleri engelliyor, bu yüzden burada bitirdiğin dersler sırasıyla açılamıyor. Bu site için çerezlere izin ver ve sayfayı yenile.