Викторина, связанная с руководством · Легко Уровень

Викторина о ранней остановке

Охватывает мониторинг проверки, терпение и восстановление контрольных точек, а при ранней остановке можно упорядочить обучение, не гарантируя меньшее количество ошибок теста.

Связанные направляющие путиРанняя остановка
Вопрос 1 из 8

Какой сигнал в первую очередь отслеживает ранняя остановка, чтобы решить, когда остановиться?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Какой сигнал в первую очередь отслеживает ранняя остановка, чтобы решить, когда остановиться?
    • Производительность проверочного набора
    • Потеря обучающего набора
    • Температура графического процессора
    • Количество параметров модели
  2. Чем управляет параметр «терпение»?
    • Максимальная скорость обучения
    • Сколько эпох ждать без улучшения, прежде чем остановиться?
    • Размер партии
    • Количество проверочных сгибов
  3. Какие веса обычно следует сохранять после раннего прекращения триггеров?
    • Веса последней эпохи
    • Случайно инициализированные веса
    • Веса лучшей эпохи валидации
    • Среднее значение всех эпох
  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. Типичную форму кривой ошибки проверки во время обучения лучше всего описать как:
    • U-образная форма, которая падает, а затем поднимается
    • Монотонно убывающая
    • Плоская линия
    • Монотонно возрастающий
  6. Что обычно определяет порог min_delta?
    • Минимальное количество слоев
    • Минимальное улучшение, которое считается прогрессом
    • Минимальный размер партии
    • Минимальный размер набора данных
  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