อีพ็อก (Epoch)
โดยสรุป: ในการเรียนรู้ของเครื่อง (machine learning) อีพ็อก (epoch) คือการนำชุดข้อมูลฝึกสอนทั้งหมดผ่านอัลกอริทึมครบหนึ่งรอบตั้งแต่ต้นจนจบ การฝึกโมเดลมักใช้หลายอีพ็อก…
ในการเรียนรู้ของเครื่อง (machine learning) อีพ็อก (epoch) คือการนำชุดข้อมูลฝึกสอนทั้งหมดผ่านอัลกอริทึมครบหนึ่งรอบตั้งแต่ต้นจนจบ การฝึกโมเดลมักใช้หลายอีพ็อก โดยโมเดลจะปรับพารามิเตอร์ภายในทีละเล็กน้อยหลังจากประมวลผลตัวอย่างแต่ละชุดย่อย (batch)
เหตุใดจึงสำคัญ
จำนวนอีพ็อกเป็นหนึ่งในการตั้งค่าหลักของการฝึก หากน้อยเกินไป โมเดลจะยังไม่ได้เรียนรู้รูปแบบในข้อมูล (underfitting) หากมากเกินไป โมเดลจะเริ่มจำตัวอย่างฝึกสอนและทำงานได้แย่ลงกับข้อมูลใหม่ (overfitting) นักพัฒนาจึงวัดความคลาดเคลื่อนของโมเดลบนชุดข้อมูลตรวจสอบ (validation set) ที่แยกไว้หลังแต่ละอีพ็อก และมักหยุดการฝึกเมื่อความคลาดเคลื่อนนั้นไม่ดีขึ้นอีก ซึ่งเป็นเทคนิคที่เรียกว่าการหยุดก่อนกำหนด (early stopping) ผู้อ่านด้านคริปโตยังพบคำนี้ในอีกความหมายหนึ่งด้วย บล็อกเชนแบบ proof-of-stake ใช้คำว่า epoch สำหรับช่วงเวลาที่กำหนดตายตัวเป็นจำนวนบล็อกหรือสล็อต ซึ่งใช้จัดระเบียบหน้าที่และรางวัลของผู้ตรวจสอบธุรกรรม
ตัวอย่าง
โมเดลหนึ่งถูกฝึกด้วยรูปภาพที่มีป้ายกำกับ 1,000 ภาพ โดยประมวลผลเป็นชุดละ 100 ภาพ ดังนั้นหนึ่งอีพ็อกจึงใช้ 10 ขั้นตอนการฝึก และหลังจากห้าอีพ็อก โมเดลได้เห็นทุกภาพห้าครั้ง หากความแม่นยำบนชุดข้อมูลตรวจสอบดีขึ้นจนถึงอีพ็อกที่สามแล้วลดลง นักพัฒนาจะเก็บเวอร์ชันที่บันทึกไว้หลังอีพ็อกที่สาม