Gids-gekoppelde quiz · Gemakkelijk Niveau
Vroege stopquiz
Omvat validatiemonitoring, geduld en checkpointherstel, en bij vroegtijdig stoppen kan de training worden geregulariseerd zonder een lagere testfout te garanderen.
Vraag 1 van 8
Welk signaal wordt bij vroegtijdig stoppen vooral gevolgd om te beslissen wanneer er moet worden gestopt?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- Welk signaal wordt bij vroegtijdig stoppen vooral gevolgd om te beslissen wanneer er moet worden gestopt?
- Validatie-set prestaties
- Verlies van trainingsset
- GPU-temperatuur
- Aantal modelparameters
- Wat regelt de parameter 'geduld'?
- Het maximale leerpercentage
- Hoeveel tijdperken moeten we wachten zonder verbetering voordat we stoppen?
- De batchgrootte
- Het aantal validatievouwen
- Welke gewichten moet u normaal gesproken behouden na het vroegtijdig stoppen van triggers?
- De gewichten uit het laatste tijdperk
- De willekeurig geïnitialiseerde gewichten
- De gewichten uit het beste validatietijdperk
- Het gemiddelde van alle tijdperken
- Waarom kan vroegtijdig stoppen een vorm van regularisatie zijn?
- 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
- De typische vorm van de validatie-foutcurve tijdens training kan het beste worden omschreven als:
- Een U-vorm die valt en vervolgens stijgt
- Monotoon afnemend
- Een platte lijn
- Monotoon stijgend
- Wat specificeert de 'min_delta'-drempel doorgaans?
- Het minimale aantal lagen
- De minimale verbetering die telt als vooruitgang
- De minimale batchgrootte
- De minimale gegevenssetgrootte
- 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
- 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