træning
Træning er processen, hvor en maskinlæringsmodel lærer fra data ved at justere sine parametre for at minimere en tabsfunktion.
Kort fortalt
Kort fortalt: At fodre en model med data, så den gradvist bliver bedre til at forudsige eller klassificere.
- Kategori
- træning
- Niveau
- begynder
- Udtale
- ˈtˢʁ̥ɛˀneŋ
Betydninger
1- 1
Den iterative proces, hvor en maskinlæringsmodel optimerer sine parametre ved at lære fra data.
- Modellen blev trænet på en million billeder for at genkende objekter.
- Under træning justeres vægtene for at reducere tabsfunktionen.
Hvornår bruges det
Træning bruges i alle former for maskinlæring, fra simple lineære modeller til dybe neurale netværk. Under træning præsenteres modellen for træningsdata, og dens vægte opdateres via backpropagation og gradient descent. Træning kræver typisk store mængder data og beregningsressourcer.
Formel
θ = θ - η ∇θ J(θ), hvor θ er parametrene, η er læringshastigheden, og J(θ) er tabsfunktionen.Kodeeksempel
for epoch in range(num_epochs):
for batch in dataloader:
inputs, labels = batch
outputs = model(inputs)
loss = criterion(outputs, labels)
optimizer.zero_grad()
loss.backward()
optimizer.step()Eksempel på en typisk træningsloop i PyTorch.
Oprindelse
Fra dansk 'træne', lånt fra engelsk 'train', i betydningen at lære eller øve.
Afledte ord
3Kilder
2- Deep Learning (Goodfellow, Bengio, Courville, 2016)
- Pattern Recognition and Machine Learning (Bishop, 2006)