Model performansını iyileştirme

PyTorch ile Deep Learning'e Giriş

Jasmin Ludolf

Senior Data Science Content Developer, DataCamp

Performansı en üst düzeye çıkarma adımları

Sorunu çözebilir miyiz?
Bir performans tabanı belirleyin

Doğrulama setinde performansı artırın

$$ $$

Mümkün olan en iyi performansa ulaşın

Adım 1

Adım 2

Adım 3

Adım 1: eğitim setini aşırı uydurma

Eğitim döngüsünü tek bir veri noktasına aşırı uyduracak şekilde değiştirin

features, labels = next(iter(dataloader))
for i in range(1000):
  outputs = model(features)
  loss = criterion(outputs, labels)
  optimizer.zero_grad()
  loss.backward()
  optimizer.step()

1.0 doğruluk ve 0 kayba ulaşmalıdır

Sonra tüm eğitim setine ölçekleyin
- Varsayılan hiperparametreleri koruyun

Adım 2: aşırı uyumu azaltma

Amaç: doğrulama doğruluğunu en üst düzeye çıkarmak
Şunlarla deneyin:
- Dropout
- Veri artırma
- Ağırlık çürümesi
- Model kapasitesini azaltma

Her hiperparametreyi ve doğrulama doğruluğunu kaydedin

aşırı uyum

Adım 2: aşırı uyumu azaltma

Orijinal model eğitim verilerine aşırı uyuyor orijinal performanslar

Güncellenmiş modelde aşırı düzenlileştirme var

Adım 3: hiperparametreleri ince ayarlama

Izgara araması

for factor in range(2, 6):
    lr = 10 ** -factor

ızgara araması

Rastgele arama

factor = np.random.uniform(2, 6)
lr = 10 ** -factor

rastgele arama

Hadi pratik yapalım!

PyTorch ile Deep Learning'e Giriş