Quiz lié à un guide · Facile Niveau

Quiz sur l'arrêt anticipé

Couvre la surveillance de la validation, la patience et la récupération des points de contrôle, et l'arrêt précoce peut régulariser l'entraînement sans garantir une réduction des erreurs de test.

Chemins de guidage associésArrêt anticipé
Question 1 de 8

Quel signal l’arrêt anticipé surveille-t-il principalement pour décider quand s’arrêter ?

Prévisualisez chaque question8 des questions

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

  1. Quel signal l’arrêt anticipé surveille-t-il principalement pour décider quand s’arrêter ?
    • Performances de l'ensemble de validation
    • Perte d'ensemble d'entraînement
    • Température du processeur graphique
    • Nombre de paramètres du modèle
  2. Que contrôle le paramètre « patience » ?
    • Le taux d'apprentissage maximum
    • Combien d'époques attendre sans amélioration avant d'arrêter
    • La taille du lot
    • Le nombre de plis de validation
  3. Après des déclencheurs d’arrêt précoce, quels poids devez-vous généralement conserver ?
    • Les poids de la dernière époque
    • Les poids initialisés aléatoirement
    • Les poids de la meilleure époque de validation
    • La moyenne de toutes les époques
  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. La forme typique de la courbe d'erreur de validation pendant la formation est mieux décrite comme :
    • Une forme en U qui descend puis monte
    • Diminution monotone
    • Une ligne plate
    • Augmentation monotone
  6. Que spécifie généralement le seuil « min_delta » ?
    • Le nombre minimum de couches
    • L'amélioration minimale qui compte comme progrès
    • La taille minimale du lot
    • La taille minimale de l'ensemble de données
  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