Chương trình học Bài 96 trên tổng số 246 · Mô-đun 8: Phòng khám lần chạy I
Mô-đun 8: Phòng khám lần chạy I

Phòng khám: lỗi tốc độ học

Vì sao điều này quan trọng Tốc độ học là nguyên nhân phổ biến nhất của một lần chạy tệ. Mỗi kiểu sai để lại một dấu vết khác nhau.

Quá cao: các bước vượt quá, giá trị mất mát nhảy lung tung hay leo lên, và tỉ lệ cập nhật trên trọng số gần hoặc trên 1. Quá thấp: gần như không gì dịch chuyển, giá trị mất mát nằm gần 2.30 và tỉ lệ rất nhỏ. Hạ quá sớm: lần chạy học được một lúc, rồi ngừng cải thiện: từ đó giá trị mất mát chỉ dao động từ batch này sang batch khác quanh một mức tầm thường (ở đây giữa khoảng 1.1 và 1.5); lịch trình cho thấy tốc độ sụp xuống.

Mỗi trường hợp bên dưới là một lần huấn luyện có một lỗi được cài vào. Với mỗi cái: dùng các đầu dò để tìm ra lỗi, rồi viết một cách sửa dưới dạng các thay đổi config. Các lỗi trong bài học này: lr_too_high, lr_too_low, lr_dropped_early. Càng ít đầu dò càng tốt; một người chẩn đoán giỏi hiếm khi cần nhiều hơn hai cho mỗi trường hợp.

Đầu dòNó cho bạn biết gì
loss_curve(c)Giá trị mất mát huấn luyện mỗi 50 bước và độ chính xác kiểm định cuối cùng. Luôn nhìn cái này trước.
loss_at_init(c)Giá trị mất mát trước khi huấn luyện. Một mô hình 10 lớp mới nên ở gần ln(10) = 2.30.
overfit_one_batch(c)Nó có học thuộc được 32 ví dụ không? Một thiết lập lành mạnh đạt gần 0.
grad_norms(c)Kích thước gradient cho mỗi ma trận trọng số lúc bắt đầu. Bằng không nghĩa là không gì học được.
update_ratio(c)Kích thước bước SGD thuần so với kích thước trọng số. Lành mạnh là khoảng 0.001 tới 0.1 (một quy tắc kinh nghiệm cho SGD thuần; Mô-đun 14 cho thấy vì sao Adam khác).
act_stats(c)Các giá trị kích hoạt ẩn: trung bình, giá trị lớn nhất, tỉ lệ đơn vị chết.
lr_schedule(c)Tốc độ học ở các bước 0, 50, 100 và cứ thế.
batch_labels(c)Các nhãn trong vài batch đầu tiên.
overlap(c)Bao nhiêu ví dụ kiểm định cũng xuất hiện trong tập huấn luyện.
Từ và ký hiệu trong bài học này
đầu dò
một phép đo nhanh của một lần chạy, như kích thước gradient hay số đơn vị chết
tỉ lệ cập nhật trên trọng số
một bước thay đổi mỗi trọng số bao nhiêu, so với kích thước của nó
Đến lượt bạn

Điền diagnosis (trường hợp tới tên lỗi) và fixes (trường hợp tới một dict các thay đổi config) cho các trường hợp A, B và C. Một cách sửa phải loại bỏ lỗi và huấn luyện đạt ít nhất 90% độ chính xác kiểm định.

Bạn thấy vấn đề gì trong bài học này? Hãy báo cáo nó · Hỏi về bài học này

Bài tập này sẽ sớm mở.

Hoàn thành bài học trước đó để mở khóa bài này. Toàn bộ khóa học là miễn phí, không cần tài khoản, và bạn có thể đọc bài học này ngay bây giờ.