معايرة التكميم بعد التدريب: هل العينة تغطي كل مدى؟

الخلاصة السريعة

افحص ما تمثله المدخلات وما تغطيه القيم الناتجة؛ مدى العينة الملاحظ ليس وعدًا بأن كل تنشيط لاحق سيقع داخله.

• يستخدم مسار LiteRT مدخلات تمثيلية لتقدير مدى البيانات المتغيرة؛ هذه معايرة تمثيل عددي وليست معايرة احتمال وقوع حدث. ^[1]
• نؤلف عينة تعطي تنشيطات صفر وواحد واثنين وثلاثة؛ مداها الملاحظ من صفر إلى ثلاثة، ولا يثبت تكرارها ظهور قيم أخرى.
• في قاعدة قص تعليمية معلنة إلى المجال من صفر إلى ثلاثة، تصبح قيمة جديدة مقدارها خمسة مساوية لثلاثة؛ ليست هذه نتيجة محول أو قاعدة لكل طرق التكميم.
• راجع الحالات المشمولة وما بقي مجهولًا وترتيب المدخلات؛ قد يبقي مسار الرجوع إلى العائم عمليات عائمة. ^[1] تغطية العينة لا تضمن الدقة.

ما الذي تضبطه هذه المعايرة؟

تذكر وثيقة LiteRT أن مولد المدخلات التمثيلية يسمح للمحول بتقدير مدى البيانات المتغيرة، ومنها القيم الوسيطة بين الطبقات. ^[1]

نقصد بالتنشيط هنا قيمة تنتجها عملية داخل النموذج. فالعينة مدخلات، لكن الرقم الوسيط الذي نراجعه قد يظهر بعد حساب عليها. لذلك لا يكفي أن نسجل أكبر رقم مكتوب في حقل المدخل ونسمه تلقائيًا أكبر تنشيط في كل الطبقات.

ولا نقارن في هذا المقال احتمالات متنبأ بها مع نسب أحداث فعلية. تلك معايرة احتمال لسؤال آخر. مهمتنا هنا تقدير مدى قيم لتمثيل عددي، دون تغيير معنى ملصقات الحقيقة أو حد اتخاذ قرار.

افصل المدى الملاحظ عن المدى الممكن

نؤلف نموذجًا تعليميًا لا ننفذه، ونعلن أن أربعة مدخلات مختارة تعطي في موضع واحد القيم صفرًا وواحدًا واثنين وثلاثة. أصغر الملاحظ صفر وأكبره ثلاثة. لا نملك من هذه البطاقة قيمة خامسة أو وصفًا شاملًا لكل مدخل ممكن.

لو كررنا هذه المدخلات نفسها عشر مرات، يزيد عدد مرات المشاهدة، لكن القيم المعلنة ما زالت من صفر إلى ثلاثة. التكرار وحده لم يوسع تغطية المدى ولم يضف نوع مدخل جديدًا.

ويختلف سؤال كفاية العينة عن مجرد عدد صفوفها. نقترح مراجعة الحالات التي يتوقعها صاحب المهمة وأنواعها، بدل تحويل عدد محدد نؤلفه إلى حد موصى به لكل نموذج. لم نستخرج توزيعًا فعليًا أو نحسب فرص القيم النادرة.

ماذا لو ظهر تنشيط خارج المجال؟

نضع قاعدة مستقلة للشرح: أي قيمة أعلى من ثلاثة نقصها إلى ثلاثة، وأي قيمة أدنى من صفر نرفعها إلى صفر. وما داخل المجال يبقى كما هو في هذه الخطوة. هذه قاعدة قص من اختيارنا، وليست وصفًا عامًا للمحول.

نعلن مدخلًا جديدًا ينتج قيمة خمسة في الموضع نفسه. تحت القاعدة التعليمية تصبح ثلاثة. وقيمة داخلية مقدارها ثلاثة تصبح ثلاثة أيضًا، فتختفي القدرة على تمييز هاتين القيمتين بعد هذا القص.

لا نقرر من ذلك خطأ جواب النموذج؛ لم نحدد بقية الحساب. ولم نزعم أن خوارزمية معايرة فعلية تختار دائمًا طرفي العينة، أو أن كل قيمة خارج نطاق ملاحظ تقص بالطريقة نفسها. يوضح المثال سبب الحاجة إلى معرفة المدى والقواعد الفعلية.

ما الذي تحفظه بطاقة المعايرة؟

في النموذج المتعدد المدخلات، تذكر الوثيقة أن عناصر قائمة النقطة التمثيلية تغذى إلى المدخلات بحسب ترتيبها. كما قد يبقي مسار التكميم ذو الرجوع إلى العائم بعض عمليات النموذج عائمة. ^[1]

نقترح توثيق حالات العينة ومصدرها وترتيب المدخلات والإعداد المختار، ثم مراجعة ما لم تغطه. لا تنقل مدى موضع واحد إلى كل موضع، ولا تملأ نقص بيانات الاستخدام بتكرار الصفوف نفسها.

لم نجمع عينة أو نحول نموذجًا. لا يثبت المثال دقة تنبؤ أو أن الملف الناتج مكمم بالكامل إلى أعداد صحيحة. الرسم يتابع المدى الملاحظ ثم القيمة المفترضة خارجه تحت قص معلن؛ سجل الاختبار الفعلي المطلوب أمر منفصل عن الورقة الحسابية.