第 14 模块:训练诊所 II
相信这个助手吗?序列版
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 和第 8 模块同样的技能,更难的故障:其中好几个单从损失曲线看起来都很像,所以一个只读曲线的助手会以十足的信心弄错它们。
一个 AI 助手为八次出问题的训练中的每一次都说出了一个故障。有些说法是错的。留意那些共享同一个症状的成对故障:两种故障都可能让训练损失低得可疑,而两种都可能让它停滞。
| 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
对于每一个案例 A 到 H,把 verdicts[case] 设为 True(助手是对的)或 False。你需要在 8 个中至少答对 7 个。
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。