Kurz: Vyhodnocení dat posouzení mozku

V tomto kurzu se naučíte:

Pokud chcete pomoc se spouštěním dotazů pro posouzení v Azure Log Analytics, postupujte podle pokynů v položce návodu k posouzení dotazů.

Pokud chcete postupovat podle tohoto kurzu, musíte mít platný účet Microsoft nebo Azure a platný pracovní prostor Bonsai zřízený v Azure. Pokud potřebujete účet nebo zkušební verzi Azure, než budete pokračovat, postupujte podle Microsoft account setup for Bonsai pokynů v tématu .

Automatické a vlastní posouzení

Každé posouzení se skládá ze sady testovacích seriálů, ve kterých je mozek požádán, aby vyhodnotil zásady, se kterých se trénuje. Každá epizoda obdrží vlastní skóre (spokojenost s cílem nebo celková odměna) a platforma vypočítá průměr těchto skóre, aby určila celkové výsledky posouzení.

Bonsai Posouzení mají dva typy:

• automatická hodnocení – nakonfigurovaná a spouštěná v rámci procesu trénování mozku. Jedna trénovací relace vygeneruje několik automatických hodnocení.
• vlastní posouzení – nakonfigurovaná uživateli, codifikovaná v konfiguračním souboru a spouštěná na vyžádání prostřednictvím rozhraní příkazového řádku nebo uživatelského Bonsai rozhraní.

Automatická hodnocení jsou užitečná pro pochopení toho, jak se mozek učí, a pomáhá platformě zvolit optimální zásady během trénování. Uživatelské rozhraní zpřístupňuje výsledky automatického hodnocení vysoké úrovně v seznamu Školicí graf a Posouzení, aby uživatelé mohli Bonsai zobrazit průběh Bonsai trénování.

Vlastní posouzení jsou uživatelsky definovaná a uživatelská hodnocení, která poskytují podrobnější obrázek o výkonu mozku. Vlastní posouzení umožňují posoudit mozek v konkrétních scénářích zájmu a zobrazit podrobné výsledky posouzení v uživatelském Bonsai rozhraní. Spusťte vlastní posouzení během nebo po trénování a získejte podrobné informace o výkonu mozku.

Uživatelské rozhraní posouzení

Uživatelské rozhraní posouzení obsahuje tři klíčové komponenty:

• (A)Panel metadat:Zobrazuje obecné informace související s posouzením.
• (B)Panel Základní výkon:Zobrazí souhrnné souhrny výsledků posouzení.
• (C)Panel Scény:Zobrazí podrobnou iteraci, konfiguraci a údaje o výkonu každé scény v posouzení.

Panely dat

Datové panely, které jsou k dispozici pro posouzení, závisí na tom, jak jste se rozhodli strukturovat koncepty trénování v rukopisu:

• Mezi trénované mozeky s využitím cílů patří metadata, základní výkon, panely v seriálech a data specifická pro jednotlivé cíle.
• Brains trained with reward and terminal functions include metadata, basic performance and scene panels.

Seznam posouzení

Seznam posouzení je vždy přístupný z karty Train (Trénovat) v uživatelském rozhraní. Ve výchozím nastavení seznam obsahuje všechna automatická a vlastní hodnocení přidružená k vybrané verzi mozku. Výběrem značek zaškrtnutí vedle možnosti Automatickynebo Vlastní vyfiltrujte seznam posouzení.

• Pokud chcete zobrazit podrobnosti o posouzení, vyberte v seznamu název posouzení.
• Pokud se chcete vrátit k výchozímu zobrazení Train (Trénovat), vyberte příslušný název konceptu.

Metadata posouzení

Pro všechna posouzení jsou k dispozici následující metadata:

• Název posouzení.
• Celkový počet iterací trénování dokončených mozekem v době, kdy byl vyhodnocen.
• Celkový počet seriálů v posouzení
• Poslední lekcí konceptu je učení (pro automatická hodnocení) nebo učení (vlastní posouzení). Pokud přidružený soubor Rukopis nedefinuje lekce v výukových plánech, zobrazí se v uživatelském rozhraní zpráva Žádné definované.
• Typ posouzení (automatický nebo vlastní).

Automatická posouzení také zobrazují datum a čas spuštění posouzení. Vlastní posouzení zobrazí popis posouzení, pokud bylo poskytnuto při nahrání konfiguračního souboru.

Podrobnosti o posouzení pro školení na základě cílů

Souhrnná data

Na panelu souhrnných dat se zobrazují výsledky vyhodnocení na vysoké úrovni. Panel obsahuje následující grafy a statistiky pro celkový výkon mozku i výkon specifický pro cíl:

• Celková úspěšnost během posuzování Míra úspěšnosti je definovaná jako počet seriálů, ve kterých mozek dosáhl stanovených cílů vydělený celkovým počtem zaznamenaných seriálů.
• Histogram rozdělení spokojenosti cílů pro jednotlivé testovací scény v hodnocení
• Statistika spokojenosti cílů, která poskytují kvantitativní metriky pro histogram spokojenosti cílů. V současné době poskytované statistiky zahrnují střední, minimální a maximální úspěšnost, kterou dosahuje mozek, spolu se směrodatnou odchylkou těchto metrik.

Data o seriálu

Uživatelské rozhraní dat v seriálu obsahuje tři klíčové komponenty:

• (A) Filtrovánídat o epizodách:Zobrazuje histogram, který ukazuje celkový výkon mozku uživatelů. Můžete kliknout na pruh a vyfiltrovat obsah konfigurační tabulky a iterační grafy v podobě seriálu tak, aby se vešly do rozsahu výkonu zvoleného pruhu. Můžete vybrat více než jeden pruh najednou.
• (B) Hodnoty konfiguracescény:Zobrazuje hodnoty konfigurace a údaje o výkonu jednotlivých hodnocení. Výběrem tlačítka Upravit můžete vybrat konfigurace, které chcete ve sloupcích zobrazit. Konfigurační tabulku seriálu můžete použít také k filtrování grafů, které vidíte pod tabulkou, kliknutím na příslušné řádky. Pokud nic nevybádáte, zobrazí se všechny grafy.
• (C) Dataiterace scény:Poskytuje vizualizaci pro všechny hodnoty proměnných stavu nebo akcí napříč věštci. Datový panel iterace také umožňuje uživatelům vizualizovat, jak se odměna v jednotlivých seriálech liší. Můžete vybrat a upravit stav, akci nebo proměnné odměny, které chcete vizualizovat.

Podrobnosti o posouzení pro školení založené na odměnách

Posouzení založená na programu Reward poskytují souhrnná data a data o seriálech.

Souhrnná data pro školení založená na odměně zahrnují:

• Histogram rozdělení odměn pro jednotlivé testovací scény v hodnocení
• Statistiky odměn, které poskytují kvantitativní metriky pro histogram odměn V současné době poskytované statistiky zahrnují průměr, minimum a maximální skóre odměn dosažené mozkum spolu se směrodatnou odchylkou těchto metrik.

Další kroky

Jakmile budete mít jistotu o výkonu trénovaný mozek, zkuste vyexportovat mozek a místně otestovat zásady kontroly.