Questionário vinculado ao guia · Fácil Nível

Questionário de parada antecipada

Abrange monitoramento de validação, paciência e recuperação de checkpoints, e quando parada antecipada pode regularizar o treinamento sem garantir menor erro de teste.

Caminhos de guia relacionadosParada antecipada
Pergunta 1 de 8

Que sinal a parada antecipada monitora principalmente para decidir quando parar?

Visualize cada pergunta8 perguntas

As respostas e explicações aparecem conforme você responde ao teste.

  1. Que sinal a parada antecipada monitora principalmente para decidir quando parar?
    • Desempenho do conjunto de validação
    • Perda do conjunto de treinamento
    • Temperatura da GPU
    • Número de parâmetros do modelo
  2. O que o parâmetro 'paciência' controla?
    • A taxa máxima de aprendizagem
    • Quantas épocas esperar sem melhoria antes de parar
    • O tamanho do lote
    • O número de dobras de validação
  3. Depois de interromper os gatilhos precocemente, quais pesos você normalmente deve manter?
    • Os pesos da época final
    • Os pesos inicializados aleatoriamente
    • Os pesos da melhor época de validação
    • A média de todas as épocas
  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. A forma típica da curva de erro de validação durante o treinamento é melhor descrita como:
    • Uma forma de U que cai e depois sobe
    • Diminuindo monotonicamente
    • Uma linha plana
    • Aumentando monotonicamente
  6. O que o limite 'min_delta' normalmente especifica?
    • O número mínimo de camadas
    • A melhoria mínima que conta como progresso
    • O tamanho mínimo do lote
    • O tamanho mínimo do conjunto de dados
  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