اختبار مرتبط بالدليل · سهل المستوى
اختبار التوقف المبكر
يغطي مراقبة التحقق، الصبر واستعادة النقاط المرجعية، ومتى قد يُنظم التوقف المبكر التدريب دون ضمان انخفاض خطأ الاختبار.
سؤال 1 من 8
ما هي الإشارة التي يراقبها التوقف المبكر في المقام الأول لتحديد موعد التوقف؟
معاينة كل سؤال8 أسئلة
تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.
- ما هي الإشارة التي يراقبها التوقف المبكر في المقام الأول لتحديد موعد التوقف؟
- أداء مجموعة التحقق من الصحة
- خسارة مجموعة التدريب
- درجة حرارة وحدة معالجة الرسومات
- عدد معلمات النموذج
- ما الذي تتحكم فيه معلمة "الصبر"؟
- الحد الأقصى لمعدل التعلم
- كم من العصور يجب الانتظار دون تحسن قبل التوقف
- حجم الدفعة
- عدد طيات التحقق من الصحة
- بعد إيقاف المحفزات مبكرًا، ما هي الأوزان التي يجب عليك الاحتفاظ بها عادةً؟
- الأوزان من العصر الأخير
- الأوزان التي تمت تهيئتها بشكل عشوائي
- الأوزان من أفضل عصر التحقق من الصحة
- متوسط جميع العصور
- Why can early stopping act as a form of regularization?
- It adds a fixed L2 penalty to every weight
- It guarantees lower test error on every dataset
- It prevents the model from seeing training examples
- It limits how long optimization proceeds and can reduce fitting to training-specific patterns
- أفضل وصف للشكل النموذجي لمنحنى خطأ التحقق أثناء التدريب هو:
- شكل حرف U يسقط ثم يرتفع
- يتناقص رتابة
- خط مسطح
- زيادة رتابة
- ما الذي تحدده عتبة "min_delta" عادةً؟
- الحد الأدنى لعدد الطبقات
- الحد الأدنى من التحسن الذي يعتبر تقدما
- الحد الأدنى لحجم الدفعة
- الحد الأدنى لحجم مجموعة البيانات
- What does patience allow an early-stopping rule to do?
- Continue training forever regardless of validation results
- Change the model architecture after every batch
- Wait through a set number of validation checks without qualifying improvement before stopping
- Use the test set to select the final epoch
- Why should the test set generally remain outside the early-stopping loop?
- The test set cannot contain labels
- Training libraries cannot load test data
- Early stopping requires the test set to be empty
- Repeatedly selecting by test performance would make it part of model selection