损失加权

此前您构建了用于字母表与字符预测的双输出模型，这里给出已训练好的三个版本：model_a、model_b 和 model_c。三者的损失函数均定义为：

loss_alpha = criterion(outputs_alpha, labels_alpha)
loss_char = criterion(outputs_char, labels_char)
loss = ((1 - char_weight) * loss_alpha) + (char_weight * loss_char)

不过，这三个模型分别使用了不同的 char_weight：0.1、0.5 或 0.9。

请使用您在上一个练习中定义的函数 evaluate_model() 来检查每个模型的准确率。判断每个模型分别使用了哪个 char_weight 进行训练。

答案选项

model_a: 0.1, model_b: 0.5, model_c: 0.9

model_a: 0.1, model_b: 0.9, model_c: 0.5

model_a: 0.5, model_b: 0.1, model_c: 0.9

model_a: 0.9, model_b: 0.1, model_c: 0.5

model_a: 0.9, model_b: 0.5, model_c: 0.1

道练习

损失加权

说明

答案选项

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}道练习

说明

答案选项

道练习