Тест, свързан с ръководство · Среден Ниво
Тест за циклични нива на обучение
Проверява триъгълните цикли на скоростта на обучение, теста за обхвата, поведението на инерцията и разликата между повтарящи се цикли и обучение с един цикъл.
Въпрос 1 на 8
Какво основно предположение оспорват цикличните нива на обучение?
Визуализирайте всеки въпрос8 въпроси
Отговорите и обясненията се появяват, докато отговаряте на теста.
- Какво основно предположение оспорват цикличните нива на обучение?
- Че скоростта на обучение трябва да намалява само по време на обучение
- Този размер на партидата трябва да остане постоянен
- Тези модели се нуждаят от графични процесори
- Тези данни трябва да бъдат разбъркани
- What did Smith report for cyclical learning rates on tested classification tasks?
- They always lowered training loss to zero
- They improved accuracy versus fixed rates, often in fewer iterations
- They removed the need for validation data
- They guaranteed escape from every sharp minimum
- Какво прави „тестът за диапазон на LR“?
- Измерва използването на GPU памет
- Отчита броя на параметрите на модела
- Помита скоростта на обучение нагоре, докато наблюдава загубата, за да избере добри граници
- Тества модела върху данни извън разпространението
- В политиката на един цикъл, как обикновено се държи инерцията спрямо скоростта на обучение?
- Инерцията остава фиксирана през цялото време
- Инерцията е настроена на нула през цялото време
- Инерцията се увеличава точно в крачка със скоростта
- Импулсът се движи обратно - висок, когато процентът е нисък, и нисък, когато курсът е висок
- During a triangular cyclical learning-rate cycle, how does the rate move between its bounds?
- It rises from the base rate to the maximum, then falls back toward the base
- It only decreases from the first step
- It stays fixed at the maximum
- It jumps randomly at every minibatch
- Кой въведе цикличните нива на обучение и теста за обхват LR?
- Джефри Хинтън
- Лесли Смит
- Ян Лекун
- Андрей Карпати
- What sets the duration of a cyclical learning-rate cycle?
- The number of model layers
- Размерът на речниковия запас
- A chosen number of training iterations for the up-and-down pattern
- The number of optimizer parameters
- What distinguishes the one-cycle policy from repeating several triangular cycles?
- It keeps the learning rate constant throughout
- It removes the optimizer’s momentum
- It measures the learning rate only once
- It uses one long learning-rate cycle for the training run