Đọc một đường cong mất mát
Vì sao điều này quan trọng Một lần huấn luyện in ra một giá trị mất mát sau mỗi lượt qua dữ liệu. Biết khi nào nó ngừng tốt lên cho bạn biết khi nào nên dừng huấn luyện.
Một nhật ký huấn luyện thường có hai con số cho mỗi epoch (một lượt qua dữ liệu): giá trị mất mát trên dữ liệu huấn luyện, và giá trị mất mát trên dữ liệu kiểm định được giữ lại mà mô hình không bao giờ huấn luyện trên đó. Mất mát huấn luyện gần như luôn tiếp tục giảm. Mất mát kiểm định giảm, rồi thường quay đầu đi lên: mô hình đã bắt đầu học thuộc dữ liệu huấn luyện thay vì học khuôn mẫu.
Epoch: một lượt đầy đủ qua dữ liệu huấn luyện.
Thời điểm tốt nhất để dừng là epoch có mất mát kiểm định thấp nhất. np.argmin tìm ra vị trí của giá trị nhỏ nhất.
Tóm tắt Hãy theo dõi mất mát kiểm định, không phải mất mát huấn luyện. Điểm thấp nhất của nó là mô hình tốt nhất của bạn.
Từ và ký hiệu trong bài học này
- mảng (array)
- một khối số NumPy, cùng một kiểu, làm phép toán trên mọi phần tử cùng lúc
- epoch
- một lượt đầy đủ qua dữ liệu huấn luyện
train_loss và val_loss đã được cho (epoch 1 tới 15). Gán best_epoch là số thứ tự epoch (đếm từ 1) có mất mát kiểm định thấp nhất, và vẽ cả hai đường cong trên ax với các nhãn "train" và "validation", theo thứ tự đó.
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.