知识卡片
生成与训练的数据划分
seq2seq 的加法示例把输入与输出拆成字符 ID,并按样本划分训练和测试。通常还需要独立验证集用于调参,最后才用测试集评价;书中示例为简化只使用训练集和测试集,并在每轮查看测试正确率;若据此选择模型或调参,测试集就不再是完全独立的最终评估。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 3 处
- 基于 RNN 生成文本 · 查看原书依据
数据集原本应分成训练用、验证用和测试用 3 份。
- 基于 RNN 生成文本 · 查看原书依据
针对每个 epoch 对正确回答了测试数据中的多少问题进行统计。
- Attention · 查看原书依据
在学习的同时,每个 epoch 使用测试数据计算正确率。
参考来源
- 位置:《深度学习进阶:自然语言处理》第7章《基于 RNN 生成文本》(来源项目 book-source:extracted/深度学习进阶:自然语言处理/_epub-src/text/part0012_split_002.html)
- 结论依据:正文说明生成流程、模型或实验条件。
- 原始内容:数据集原本应分成训练用、验证用和测试用 3 份。
- 补充位置:《深度学习进阶:自然语言处理》第7章《基于 RNN 生成文本》7.3.4(来源项目 book-source:extracted/深度学习进阶:自然语言处理/_epub-src/text/part0012_split_003.html)
- 补充依据:示例每个 epoch 计算测试数据正确率;测试集独立性的影响是读者对该流程的推论。
- 补充原文:针对每个 epoch 对正确回答了测试数据中的多少问题进行统计。
- 补充位置:《深度学习进阶:自然语言处理》第8章《Attention》8.3.2(来源项目 book-source:extracted/深度学习进阶:自然语言处理/_epub-src/text/part0013_split_003.html)
- 补充依据:日期转换示例同样每轮查看测试正确率;独立性风险是对这一流程的推论。
- 补充原文:在学习的同时,每个 epoch 使用测试数据计算正确率。