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.

مسارات الدليل ذات الصلةالتوقف المبكر
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.

  1. 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
  2. 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
  3. 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
  4. 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
  5. أفضل وصف للشكل النموذجي لمنحنى خطأ التحقق أثناء التدريب هو:
    • شكل حرف U يسقط ثم يرتفع
    • يتناقص رتابة
    • خط مسطح
    • زيادة رتابة
  6. 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
  7. 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
  8. 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