Quiz połączony z przewodnikiem · Łatwe Poziom
Quiz dotyczący wczesnego zatrzymywania
Obejmuje monitorowanie walidacyjne, cierpliwość i odzyskiwanie punktów kontrolnych, a w przypadku wcześniejszego zatrzymania może uregulować trening bez gwarantowania mniejszego błędu testu.
Pytanie 1 z 8
Jaki sygnał monitoruje przede wszystkim wczesne zatrzymanie, aby podjąć decyzję o zatrzymaniu?
Podgląd każdego pytania8 pytania
Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.
- Jaki sygnał monitoruje przede wszystkim wczesne zatrzymanie, aby podjąć decyzję o zatrzymaniu?
- Wydajność zestawu sprawdzającego
- Utrata zestawu treningowego
- Temperatura GPU
- Liczba parametrów modelu
- Co kontroluje parametr „cierpliwość”?
- Maksymalna szybkość uczenia się
- Ile epok czekać bez poprawy zanim się zatrzyma
- Rozmiar partii
- Liczba fałd walidacyjnych
- Jakie ciężary powinieneś zazwyczaj utrzymywać po wcześniejszym zatrzymaniu?
- Wagi z ostatniej epoki
- Losowo zainicjowane wagi
- Wagi z najlepszej epoki walidacyjnej
- Średnia ze wszystkich epok
- 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
- Typowy kształt krzywej błędu walidacji podczas uczenia najlepiej opisać jako:
- Kształt litery U, który opada, a następnie wznosi się
- Monotonicznie malejące
- Płaska linia
- Monotonicznie rosnące
- Co zazwyczaj określa próg „min_delta”?
- Minimalna liczba warstw
- Minimalna poprawa liczona jako postęp
- Minimalna wielkość partii
- Minimalny rozmiar zbioru danych
- 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