Introducción al aprendizaje profundo con PyTorch
Jasmin Ludolf
Senior Data Science Content Developer, DataCamp
$$
¿Podemos resolver el problema?
Establece una línea de base de rendimiento
$$
$$ $$
Modifica el bucle de entrenamiento para sobreajustar un único punto de datos
features, labels = next(iter(dataloader))
for i in range(1000):
outputs = model(features)
loss = criterion(outputs, labels)
optimizer.zero_grad()
loss.backward()
optimizer.step()
A continuación, amplía a todo el conjunto de entrenamiento
Objetivo: maximizar la precisión de la validación
Experimenta con:
$$
$$
El modelo original se ajusta en exceso a los datos de entrenamiento
$$
Modelo actualizado con demasiada regularización
for factor in range(2, 6):
lr = 10 ** -factor
factor = np.random.uniform(2, 6)
lr = 10 ** -factor
Introducción al aprendizaje profundo con PyTorch