ดูตัวเลือกด้านล่าง

เราศึกษากระบวนการใช้ชุดทดสอบและชุดการฝึกเพื่อกระตุ้นให้เกิดการพัฒนาโมเดลอย่างต่อเนื่อง ในการทําซ้ําแต่ละครั้ง เราจะฝึกข้อมูลการฝึกและประเมินข้อมูลการทดสอบ โดยใช้ผลการทดสอบในข้อมูลทดสอบเป็นแนวทางในการเลือกและการเปลี่ยนแปลงไฮเปอร์พารามิเตอร์ของรูปแบบต่างๆ เช่น อัตราการเรียนรู้และฟีเจอร์ โครงสร้างนี้มีข้อผิดพลาดอะไรไหม (เลือกเพียงคําตอบเดียว)

ไม่เป็นไร เรากําลังฝึกเกี่ยวกับข้อมูลการฝึกอบรมและการประเมินข้อมูลการทดสอบที่แยกออกมาต่างหาก

จริงๆ แล้วมีปัญหาเล็กน้อยที่นี่ ลองนึกถึงสิ่งที่จะเกิดขึ้นหากเราทําการปรับปรุงหลายครั้งในแบบฟอร์มนี้

การทําขั้นตอนหลายรอบอาจทําให้เราแทรกในลักษณะที่ไม่เหมาะสมกับชุดการทดสอบที่เฉพาะเจาะจงได้

ใช่แน่นอน! ยิ่งเราประเมินชุดทดสอบหนึ่งๆ บ่อยเท่าไร เราก็มีความเสี่ยงที่จะนําไปใช้ทดสอบชุดดังกล่าวมากเกินไปโดยปริยาย ต่อไปเรามาดูกันที่โปรโตคอลที่ดีขึ้น

ค่านี้ไม่มีประสิทธิภาพในการคํานวณ เราแค่ควรเลือกไฮเปอร์พารามิเตอร์ที่เป็นค่าเริ่มต้นและใช้ตัวแปรเหล่านั้นเพื่อประหยัดทรัพยากร

แม้ว่าการทําซ้ําแบบนี้มีราคาแพง แต่ก็เป็นส่วนสําคัญในการพัฒนาโมเดล การตั้งค่าไฮเปอร์พารามิเตอร์สามารถสร้างความแตกต่างได้อย่างมหาศาลด้วยคุณภาพของโมเดล และเราควรจะจัดสรรเวลาและทรัพยากรในการคํานวณให้เพียงพอทุกครั้งเพื่อรับรองคุณภาพที่ดีที่สุดเท่าที่จะทําได้