Kvíz spojený s průvodcem · Snadno úroveň

Kvíz včasného zastavení

Zahrnuje monitorování validace, trpělivost a obnovu kontrolních bodů, a když brzké zastavení může usměrnit trénink bez zaručení nižší chyby testu.

Související vodicí cestyPředčasné zastavení
Otázka 1 z 8

Jaký signál předčasné zastavení primárně sleduje, aby se rozhodlo, kdy přestat?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Jaký signál předčasné zastavení primárně sleduje, aby se rozhodlo, kdy přestat?
    • Výkon validační sady
    • Ztráta tréninkového setu
    • teplota GPU
    • Počet parametrů modelu
  2. Co ovládá parametr „trpělivost“?
    • Maximální rychlost učení
    • Kolik epoch čekat bez zlepšení, než se zastaví
    • Velikost šarže
    • Počet záhybů ověření
  3. Jaké váhy byste si měli po brzkém zastavení spouštěčů obvykle držet?
    • Váhy z poslední epochy
    • Náhodně inicializované váhy
    • Váhy z nejlepší epochy ověřování
    • Průměr všech epoch
  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. Typický tvar křivky validace-chyba během tréninku lze nejlépe popsat takto:
    • Tvar U, který klesá a pak stoupá
    • Monotónně klesající
    • Rovná čára
    • Monotónně rostoucí
  6. Co obvykle určuje práh 'min_delta'?
    • Minimální počet vrstev
    • Minimální zlepšení, které se počítá jako pokrok
    • Minimální velikost šarže
    • Minimální velikost datové sady
  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