第 14 模块:训练诊所 II
诊所:步长和起始权重
你以前学过这门课程吗?
这样我们只统计你一次。只会发送你的答案,以及你的匿名进度。
为什么重要 第 8 模块的学习率和缩放故障又回来了,上面带着 Adam 的指纹。
用 Adam 时,每一个权重在第一步都会移动大约学习率那么多,不管它的梯度是多少。所以更新比例是对步长的一个直接读数:在健康的训练中大约是 0.5(0.01 对比接近 0.02 的权重),当学习率太高时大约是 15(这时损失会剧烈摇摆),而当它太低时大约是 0.0005(损失几乎离不开 4.55)。太大的起始权重会让最初的预测极其自信而且错误:起始损失远高于 4.55。
下面的每一个案例都是一次被植入了一个故障的训练。对每一个案例:花费探针找出故障,然后以配置修改的形式写出一个修复,让训练恢复健康。这一课中的故障:lr_too_high, lr_too_low, init_too_big。一个好的诊断者很少在每个案例上需要超过两个探针。
| 探针 | 它告诉你什么 | 健康的训练 |
|---|---|---|
loss_curve(c) | 每 25 步的训练损失,以及最后在没见过的文本上的损失。总是先看它。 | 从 4.55 降到大约 2.9;没见过的文本上大约 3.0 |
loss_at_init(c) | 训练前的损失。一个在 95 个字符上均匀猜测的新模型会给出 ln(95)。 | 4.55 |
leak_check(c) | 一个靠后的字符能改变一个靠前的预测吗? | False |
show_batch(c) | 一个训练输入和它的目标,以文本形式显示。 | 目标 = 输入左移一个字符 |
update_ratio(c) | 在 Adam 的第一步之后,权重相对于它们的大小移动了多远。这不是第 8 模块的规则:那个 0.001 到 0.1 的范围是针对普通 SGD 步骤的。Adam 的第一步会把每一个权重移动大约学习率那么多,不管它的梯度是多少,而这些权重一开始接近 0.02,所以 0.01 / 0.02 大约是 0.5。拿一个案例和这次健康的训练比较,而不是和第 8 模块的范围比较。 | 大约 0.5 |
block_change(c) | 第一个块在开始时把每个向量改变了多少。 | 大约 0.3 |
本课中的词语和符号
- ln(V)
- 一个在 V 个符号上均匀猜测的模型的起始损失:对于 95 个字符是 4.55
- 块变化
- 一个块在开始时把一个向量改变了多少;接近 1 意味着它把向量替换掉了
轮到你了
为案例 A、B 和 C 填写 diagnosis(案例到故障名)和 fixes(案例到一个配置修改字典)。在你的修复之后,每一个设置都必须和健康的训练一致。
本课已完成。干得好。
这个练习即将开放
完成它前面的那一课,这一课就会解锁。整门课程免费,无需账号,而且你现在就可以阅读这节课。
这个浏览器屏蔽了 learn.floati.life 的 Cookie,所以你在这里完成的课程无法按顺序打开。请允许这个网站使用 Cookie,然后重新加载。