Rețele neuronale și deep learning

Cursul 2 · Joc: Antrenare rapidă sau lentă? Un joc cu curbe de antrenare

Antrenare rapidă sau lentă? Un joc cu curbe de antrenare

Fiecare grafic din acest joc este o antrenare reală din cursul 2. Vedeți cum evoluează eroarea rețelei, epocă după epocă, și indicați ce setare a produs curba: rata de învățare, mărimea lotului sau optimizatorul. Nouă grafice, circa trei minute.

Primele șase antrenări potrivesc un perceptron multistrat (MLP 64-64) pe cele 20.640 de grupuri de locuințe din recensămîntul californian folosit în curs; graficul arată eroarea pătratică medie (MSE) pe 4.128 de grupuri de validare pe care rețeaua nu se antrenează (mai mic înseamnă mai bine). Ultimele trei antrenări detectează fraude cu carduri; graficul arată aria de sub curba precizie-sensibilitate (PR-AUC) pe tranzacțiile de validare (mai mare înseamnă mai bine). Aici nu există un model cu care să vă comparați: contează doar scorul dumneavoastră.

Clasamentul sălii, pentru proiector

Date: locuințele din California, recensămîntul din 1990 (Pace și Barry, 1997; StatLib), împărțite aleator 60/20/20; fraudele cu carduri ale Université libre de Bruxelles (ULB) și Worldline, setul 1597 al platformei Open Machine Learning (OpenML), împărțite cronologic. Curbe: antrenările din analysis_L2.py (sămînța 20261108; salvate în lectures/L2/cache). Cod: lectures/L2/make_game_L2.py.