Вікторина про ранню зупинку

Відповіді та пояснення з’являються під час виконання тесту.

1. Який сигнал передусім відстежує рання зупинка, щоб вирішити, коли зупинитися?
   • Продуктивність набору перевірки
   • Втрата тренувального набору
   • температура GPU
   • Кількість параметрів моделі
2. Що контролює параметр «терпіння»?
   • Максимальна швидкість навчання
   • Скільки епох чекати без покращення, перш ніж зупинитися
   • Розмір партії
   • Кількість згорток перевірки
3. Після раннього припинення тригерів, які ваги ви зазвичай повинні зберігати?
   • Ваги з останньої епохи
   • Випадково ініціалізовані ваги
   • Ваги з найкращої епохи перевірки
   • Середня величина всіх епох
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. Типова форма кривої перевірки-помилки під час навчання найкраще описується так:
   • U-подібна форма, яка падає, а потім піднімається
   • Монотонно спадає
   • Рівна лінія
   • Монотонно зростає
6. Що зазвичай визначає порогове значення min_delta?
   • Мінімальна кількість шарів
   • Мінімальне покращення, яке вважається прогресом
   • Мінімальний розмір партії
   • Мінімальний розмір набору даних
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