先看64个新点的误差
训练损失看“练过的题”,新点误差看“没练过的题”。程序在64个中点检查:
平均绝对误差 < 0.05,而且最大绝对误差 < 0.15。 这是本项目约定的练习标准,不是所有任务通用的门槛。满足才打印“达标”。
平均误差看整体,最大误差看偏得最远的一次。若尚未达标,先检查轮数、学习率和代码是否改动,再重新运行。
只改一处,做两次对照
- 回到完整程序,把
epochs = 600改成epochs = 20,其余不变。比较曲线、平均误差和验收结果;轮数少时可能还没学好。 - 恢复600轮,再把
query_values = [0.5, 1.0, 2.0]改成[0.25, 0.75]。文字输出会逐个给出预测、sin答案和误差,不用手改对照答案。
model(query_x) 负责预测,torch.sin(query_x) 只负责核对。输入先留在−3.14到3.14内;超出范围叫外推,区间内很准也不保证区间外可靠。
本章小结
定目标 → 配数据 → 搭网络 → 训练 → 用新输入检查。 能解释曲线里的一个点,并自己改数核对,就是这次项目的小成果。
下一章模型评估与训练优化,继续学习怎样判断和改善模型表现。
学完这一章,你也有这些疑惑吗?
先把问题留下,带着自己的理解继续交流。
- 训练时已经有sin函数,为什么预测时还要用网络?
- 训练损失变小了,为什么还要拿新输入验收?
- 在负π到π之间预测准确,超出这个范围还可靠吗?
交流时可以带上:章节名、你的理解,以及遇到的现象。