Cho mô hình biết đang ở bước nào
Vì sao điều này quan trọng Cùng một điểm nhiễu cần một chỉnh sửa nhỏ ở bước 5 và một chỉnh sửa lớn ở bước 90. Một mạng không được biết bước phải đoán nó chỉ từ điểm. Cách bạn cho nó biết là một lựa chọn thiết kế, và lựa chọn nổi tiếng không phải lúc nào cũng tốt nhất.
Ba cách (difflab.time_input):
- none: mạng chỉ thấy điểm.
- raw: thêm một con số, t / T.
- sine: 8 sin và 8 cos của t / T ở các tần số từ 1 tới 100, embedding mà transformer dùng cho vị trí. Các mô hình ảnh lớn dùng nó, vì nhiều tần số cho phép một mạng sâu phản ứng nhạy với những thay đổi nhỏ của t.
Các lần chạy đã ghi lại huấn luyện mỗi cách trên hình xoắn ốc, 3 seed. So sánh chúng bằng quy tắc của Mô-đun 9: một thiết lập thắng thiết lập khác khi điểm trên hình dạng trung bình của nó cao hơn ít nhất 0.1 VÀ nó cao hơn trên mọi seed (3 trên 3).
Từ và ký hiệu trong bài học này
- trên hình dạng, độ phủ
- giám khảo 2D: tỷ lệ mẫu nằm gần hình dạng thật, và tỷ lệ hình dạng có một mẫu nằm gần
Viết sine_time(t, T) trả về 16 con số mỗi bước (sin trước, rồi cos, các tần số np.exp(np.linspace(0, np.log(100), 8))). Rồi viết beats(a, b) cho hai tên thiết lập đã ghi lại, và điền verdicts cho raw so với none, sine so với none và sine so với raw.
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.
Trình duyệt này đang chặn cookie cho learn.floati.life, nên các bài học bạn đã hoàn thành tại đây không thể mở theo thứ tự. Hãy cho phép cookie cho trang web này và tải lại trang.