استنادًا إلى نتائج البحث ، إليك بعض الطرق الرئيسية لتصور أداء أجهزة الترجيح المختلفة في نماذج الترجمة الآلية العصبية (NMT):
1. مخططات التنسيق الموازي:
- تذكر نتائج البحث باستخدام مخططات الإحداثيات المتوازية لفهم العلاقات بين المقاييس المفرطة ومقاييس التقييم مثل درجة Bleu [2].
- تتيح لك هذه المؤامرات تصور تأثيرات متعددة المفردات على أداء النموذج عبر مساحة التكوين بأكملها.
2. تصنيف الأهمية الفائقة:
- تناقش نتائج البحث ترتيبًا لأهمية فرط البرارمامين الفرديين وأزواج من فرط البرارمامترات بناءً على تأثيرها على درجة Bleu [2].
- يمكن أن يساعد ذلك في تحديد أكثر المقاييس ذات التأثيرات الأكثر نفوذاً التي يجب أن تكون محور جهود الضبط.
3. الرسوم البيانية للأداء:
- تُظهر نتائج البحث الرسوم البيانية لدرجات Bleu لتصور التباين الواسع في الأداء لنظام NMT الأساسي [2].
- يمكن أن يساعد ذلك في فهم التوزيع الكلي لأداء النموذج تحت تكوينات الفائقة المختلفة.
4. تحليل الارتباط ارتفاع الفائقة:
- تذكر نتائج البحث قياس معامل ارتباط سبيرمان بين تصنيفات التكوينات من خلال درجة Bleu عبر مجموعات بيانات مختلفة [4].
- يمكن أن يكشف هذا ما إذا كانت تكوينات مقياس الفائقة الجيدة يتم تعميمها جيدًا عبر مجموعات البيانات أو هي الخاصة بمجموعة البيانات.
5. باريتو الحدود التصور:
-من أجل تحسين فرط اللاء متعدد الأهداف (على سبيل المثال ، التحسين لكل من الدقة وسرعة الاستدلال) ، تشير نتائج البحث إلى تصور النماذج الأمثل [5].
- يمكن أن يساعد ذلك في فهم المقايضات بين مقاييس الأداء المختلفة عند ضبط أجهزة التمييز.
6. أدوات تصور البيانات:
- تذكر نتائج البحث الحاجة إلى إنشاء أدوات تصور البيانات المخصصة لاكتساب رؤى من الكمية الكبيرة من بيانات السجل التي تم إنشاؤها بواسطة Search Hyperparameter [5].
- يمكن أن يؤدي تطوير التصورات التفاعلية إلى تسهيل الفهم الأعمق لمساحة البحث الفائقة وأداء النموذج.
من خلال الاستفادة من تقنيات التصور هذه ، يمكنك اكتساب رؤى قيمة حول تأثير مختلف المقاييس على أداء نموذج NMT ، وتحديد أكثر أجهزة بارامترامات نفوذا ، وفهم المقايضات المشاركة في ضبط الفائق.
الاستشهادات:[1] https://arxiv.org/pdf/2105.11516.pdf
[2] https://aclanthology.org/2020.tacl-1.26.pdf
[3] https://www.researchgate.net/figure/hyper-parameters-for-training nmt-models_tbl3_366618108
[4] https://direct.mit.edu/tacl/article/doi/10.1162/tacl_a_00322/96458/reproducible-and-file-benchmarks-for
[5] https://www.cs.jhu.edu/~kevinduh/t/kduh-proposal2017.pdf