AI मॉडल की ट्रेनिंग
AI मॉडल की ट्रेनिंग
अब आप जानते हैं कि न्यूरल नेटवर्क वेट्स और बायस एडजस्ट करके सीखते हैं। लेकिन पूरी ट्रेनिंग प्रक्रिया वास्तव में कैसे काम करती है? आपको कैसे पता चलता है कि मॉडल ने काफ़ी सीख लिया है - या बहुत ज़्यादा? इस पाठ में, हम पूरी ट्रेनिंग यात्रा से गुज़रेंगे।
ट्रेनिंग लूप
AI मॉडल की ट्रेनिंग एक चक्र का अनुसरण करती है जो बार-बार दोहराया जाता है:
- प्रेडिक्ट - मॉडल में डेटा डालें और एक प्रेडिक्शन प्राप्त करें।
- तुलना - जाँचें कि प्रेडिक्शन सही उत्तर से कितना दूर है।
- एडजस्ट - त्रुटि कम करने के लिए वेट्स अपडेट करें।
- दोहराएँ - डेटा के अगले बैच के साथ फिर से करें।
यह लूप हज़ारों या लाखों बार चलता है। हर बार दोहराने पर मॉडल सही जवाबों के थोड़ा और करीब पहुँचता है।
GPT-4 की ट्रेनिंग में केवल कम्प्यूटिंग पावर पर $100 मिलियन से अधिक का खर्च आया बताया जाता है। ट्रेनिंग लूप हज़ारों विशेष चिप्स पर महीनों तक चला।
लॉस फंक्शन: मॉडल कितना गलत है?
हर प्रेडिक्शन के बाद, हमें यह मापने का तरीका चाहिए कि मॉडल कितना गलत था। इस माप को लॉस (या कॉस्ट) कहते हैं, और इसकी गणना करने वाले फ़ॉर्मूले को लॉस फंक्शन कहते हैं।
- कम लॉस = प्रेडिक्शन सही उत्तर के करीब थी।
- अधिक लॉस = प्रेडिक्शन बहुत दूर थी।
इसे डार्टबोर्ड की तरह सोचें। बुल्सआई सही उत्तर है। लॉस वह दूरी है जहाँ आपका डार्ट लगा वहाँ से बुल्सआई तक की। ट्रेनिंग का लक्ष्य समय के साथ उस दूरी को कम करना है।
सामान्य लॉस फंक्शन में शामिल हैं:
- Mean Squared Error (MSE) - प्रेडिक्शन और वास्तविक मानों के बीच औसत वर्गित दूरी मापता है। संख्याओं की प्रेडिक्शन के लिए उपयोग होता है।
- Cross-Entropy Loss - मापता है कि प्रेडिक्टेड प्रोबेबिलिटी सही श्रेणियों से कितनी अच्छी तरह मेल खाती हैं। क्लासिफिकेशन कार्यों के लिए उपयोग होता है।
AI ट्रेनिंग में लॉस फंक्शन क्या मापता है?
चर्चा
साइन इन करें चर्चा में शामिल हों