Faisnéis Riaracháin
| Teideal | Tiúnadh hipearpharaiméadar |
| Fad ama | 60 |
| Modúl | B |
| Cineál ceachta | Seisiún teagaisc |
| Fócas | Teicniúil — Foghlaim Dhomhain |
| Ábhar | Tiúnadh hipearpharaiméadar |
Eochairfhocail
Tiúnadh hyperparameter, feidhmeanna gníomhachtaithe, caillteanas, epochs, méid bhaisc,
Spriocanna Foghlama
- Éifeachtaí ar thoilleadh agus ar dhoimhneacht a imscrúdú
- Experient le epochs éagsúla agus méideanna baisce
- Feidhmeanna gníomhachtúcháin éagsúla agus rátaí foghlama éagsúla a thriail
An tUllmhúchán a bhfuil coinne leis
Imeachtaí Foghlama le Críochnú Roimh
Éigeantach do Mhic Léinn
Ceann ar bith.
Roghnach do Mhic Léinn
Ceann ar bith.
Teistiméireachtaí agus cúlra do mhic léinn
- John D Kelleher agus Brain McNamee. (2018), Basics of Machine Learning for Predictive Data Analytics, MIT Press.
- Michael Nielsen. (2015), Líonraí Néaracha agus Dhomhainfhoghlaim, 1. Preas diongbháilteachta, San Francisco CA Stáit Aontaithe Mheiriceá.
- Charu C. Aggarwal. (2018), Neural Networks and Deep Learning, 1. Springer
- Antonio Gulli, Sujit Pal. Domhainfhoghlaim le Keras, Packt, [ISBN: 9781787128422].
Molta do Mhúinteoirí
Ceann ar bith.
Ábhair cheachta
Treoracha do Mhúinteoirí
- Cuirfidh an físeán teagaisc seo bunghnéithe an hipearpharaiméadair in aithne do líonra néarach saorga. Is éard a bheidh sa rang teagaisc seo ná cúlú hipearpharaiméadair iomadúla agus ansin meastóireacht ag baint úsáide as na cumraíochtaí samhlacha céanna leis an Léacht (Léacht 3). Díreoidh an seisiún teagaisc seo ar mhodhnú córasach hipearpharaiméadar agus ar mheastóireacht na ndáileachtaí diagnóiseacha (ag baint úsáide as caillteanas — ach d’fhéadfaí é seo a athrú go héasca le haghaidh cruinnis mar is fadhb aicmiúcháin é) ag baint úsáide as an Tacar Sonraí Daonáirimh. Ag deireadh an teagaisc seo (samplaí céim ar chéim) beifear ag súil go gcríochnóidh daltaí Practical le meastóireacht bhreise ar chothroime (bunaithe ar mheastóireacht feidhmíochta fothacar).
- Nótaí:
- Déantar réamhphróiseáil ar an tacar sonraí (san áireamh sa leabhar nótaí), áfach, is é seo an t-íosmhéid chun an tacar sonraí a chur ag obair leis an ANN. Níl sé sin cuimsitheach agus ní áirítear leis aon mheastóireacht (laofacht/cothromas).
- Bainfimid úsáid as ceapacha diagnóiseacha chun meastóireacht a dhéanamh ar éifeacht an tunning hyperparameter agus go háirithe fócas ar chaillteanas, áit ar chóir a thabhairt faoi deara go bhfuil an modúl a úsáidimid chun an caillteanas a bhreacadh matplotlib.pyplot, dá bhrí sin scálaítear an ais. D’fhéadfadh sé go gciallódh sé sin nach bhfuil difríochtaí suntasacha suntasach nó a mhalairt nuair a chuirtear caillteanas na sonraí oiliúna nó tástála i gcomparáid le chéile.
- Cuirtear roinnt saoirsí le haghaidh scafall i láthair, mar shampla úsáid Epochs ar dtús (beagnach mar theicníc tabhairt chun rialtachta) agus an méid baisc a choinneáil tairiseach.
- Chun samplaí soiléire a chur ar fáil (i.e. ró-fheistiú) d’fhéadfadh sé gur cuireadh roinnt tweaks breise le hipearpharaiméadair eile san áireamh chun ceapacha diagnóiseacha soiléire a chur ar fáil le haghaidh samplaí.
- A luaithe a aithníodh acmhainn agus doimhneacht réasúnta, tá sé seo chomh maith le hipearpharaiméadair eile, faoi ghlas le haghaidh samplaí seo a leanas nuair is féidir.
- Ar deireadh, is féidir le cuid de na cealla roinnt ama a ghlacadh chun oiliúint a dhéanamh, fiú le rochtain GPU.
- Cuirfear roinnt céimeanna i láthair do na daltaí don rang teagaisc:
- Céim 1: Roinnt réamhphróiseáil bhunúsach don tacar sonraí Daonáirimh d’Aosaigh
- Céim 2: Tomhas toillte agus doimhneachta (lena n-áirítear na samplaí seo a leanas):
- Gan chóineasú
- Tearcfheistiú
- Ró-fheistiú
- Cóineasú
- Céim 3: Epochs (os cionn agus faoi oiliúint — cé nach bhfuil sé á thabhairt isteach mar theicníc fhoirmiúil um thabhairt chun rialtachta)
- Céim 4: Feidhmeanna gníomhachtúcháin (maidir le feidhmíocht — am oiliúna agus i gcásanna áirithe caillteanas)
- Céim 5: Rátaí foghlama (lena n-áirítear na samplaí seo a leanas):
- SGD Vanilla
- SGD le meath ar an ráta foghlama
- SGD le móiminteam
- Rátaí foghlama oiriúnaitheacha:
- RMSProp
- AdaGrad
- Ádhamh
- Is iad na fospriocanna a bhaineann leis na cúig chuid seo ná samplaí agus taithí a thabhairt do dhaltaí ar hipearpharaiméadair a chur ar aghaidh agus meastóireacht a dhéanamh ar na héifeachtaí ag baint úsáide as ceapacha diagnóiseacha.
Breac-chuntas
| Fad ama (Min) | Tuairisc |
|---|---|
| 5 | Réamhphróiseáil na sonraí |
| 10 | Toilleadh agus doimhneacht ag rith (faoi fheistiú agus rófheistiú) |
| 10 | Epochs (faoi oiliúint agus faoi oiliúint) |
| 10 | Méideanna baisce (le haghaidh sochtadh torainn) |
| 10 | Feidhmeanna gníomhachtaithe (agus a n-éifeachtaí ar fheidhmíocht — am agus cruinneas) |
| 10 | Rátaí foghlama (vanilla, LR Decay, Momentum, Oiriúnú) |
| 5 | Recap ar roinnt hyperparameters stáplacha (ReLu, Adam) agus an tunning daoine eile (acmhainn agus doimhneacht). |
Admhálacha
Rinne Saoráid um Chónascadh na hEorpa den Aontas Eorpach Faoi Dheontas CEF-TC-2020-1 Scileanna Digiteacha 2020-AE-IA-0068 comhairgeadú ar an gclár Máistreachta intleachta saorga ar Tháinig an Duine air.