Kuis terkait panduan · Mudah Tingkat

Kuis Berhenti Dini

Mencakup pemantauan validasi, kesabaran dan pemulihan pos pemeriksaan, dan ketika penghentian lebih awal dapat mengatur pelatihan tanpa menjamin kesalahan pengujian yang lebih rendah.

Jalur panduan terkaitBerhenti Dini
Pertanyaan 1 dari 8

Sinyal apa yang terutama dipantau oleh penghentian dini untuk memutuskan kapan harus berhenti?

Pratinjau setiap pertanyaan8 pertanyaan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

  1. Sinyal apa yang terutama dipantau oleh penghentian dini untuk memutuskan kapan harus berhenti?
    • Performa set validasi
    • Kerugian set pelatihan
    • suhu GPU
    • Jumlah parameter model
  2. Apa yang dikontrol oleh parameter 'kesabaran'?
    • Kecepatan pembelajaran maksimum
    • Berapa banyak zaman yang harus menunggu tanpa perbaikan sebelum berhenti
    • Ukuran kumpulan
    • Jumlah lipatan validasi
  3. Setelah menghentikan pemicu lebih awal, beban apa yang biasanya harus Anda pertahankan?
    • Bobot dari zaman terakhir
    • Bobot yang diinisialisasi secara acak
    • Bobot dari masa validasi terbaik
    • Rata-rata dari semua zaman
  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. Bentuk khas kurva kesalahan validasi selama pelatihan digambarkan sebagai:
    • Bentuk U yang turun kemudian naik
    • Menurun secara monoton
    • Garis datar
    • Meningkat secara monoton
  6. Apa yang biasanya ditentukan oleh ambang batas 'min_delta'?
    • Jumlah minimum lapisan
    • Peningkatan minimum yang dianggap sebagai kemajuan
    • Ukuran tumpukan minimum
    • Ukuran kumpulan data minimum
  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