In validation results, we test the

In validation results, we test the performance of our pre-
diction on the same regime from which training data has
been collected. In this section, we take a leap of faith and
study the performance of our prediction on high core count
regimes (16K, 32K, and 64K). Note that since the model has
not seen points in high core count regime, it would be useful
to update them after prediction on each data point. This
adaptive approach caters to online machine learning techniques (where we update the model after seeing each point)
and is in contrast to the offline learning models used in the
validation section.

ผลลัพธ์ (ไทย) 1:

ในผลการตรวจสอบ ทดสอบประสิทธิภาพของก่อนของเรา-
diction ในระบอบเดียวกันซึ่งมีข้อมูลการฝึกอบรม
ถูกรวบรวมไว้ ในส่วนนี้ เราได้ทำการรบ และ
ศึกษาประสิทธิภาพของการคาดเดาของเราในจำนวนหลักสูง
ระบอบ (16K, 32K และ 64K) โปรดทราบว่า เนื่องจากมีรูปแบบ
จุดไม่เห็นในระบอบการปกครองนับหลักสูง มันจะมีประโยชน์
การปรับปรุงเหล่านั้นหลังจากการทำนายในแต่ละจุดข้อมูล นี้
บริการวิธีการปรับให้เหมาะสมกับเครื่องออนไลน์เรียนรู้เทคนิค (ที่เราเปลี่ยนรูปแบบหลังจากที่เห็นแต่ละจุด)
และเป็นตรงข้ามแบบออฟไลน์การเรียนรู้แบบจำลองที่ใช้ในการ
ส่วนตรวจสอบ

ผลลัพธ์ (ไทย) 2:

ในผลการตรวจสอบของเราจะทำการทดสอบประสิทธิภาพการทำงานของเราก่อน
พจน์ในระบอบการปกครองเดียวกันจากที่ข้อมูลการฝึกอบรมได้
รับการเก็บรักษา ในส่วนนี้เราจะก้าวกระโดดของความศรัทธาและ
ศึกษาประสิทธิภาพของการคาดการณ์ของเราในการนับหลักสูง
ที่แฝงเร้น (16K, 32K, 64K และ) ทราบว่าตั้งแต่รุ่นได้
ไม่เห็นจุดในระบอบการปกครองนับหลักสูงก็จะเป็นประโยชน์
ในการปรับปรุงพวกเขาหลังจากที่การคาดการณ์ในแต่ละจุดข้อมูล นี้
วิธีการปรับตัวมีเป้าหมายหลักเพื่อการเรียนรู้เทคนิคเครื่องออนไลน์ (ในกรณีที่เราปรับปรุงรูปแบบหลังจากที่เห็นแต่ละจุด)
และในทางตรงกันข้ามกับรูปแบบการเรียนรู้แบบออฟไลน์ที่ใช้ใน
การตรวจสอบส่วน

ผลลัพธ์ (ไทย) 3:

ในผลการตรวจสอบ เราทดสอบประสิทธิภาพก่อนของเรา
โวหารในระบอบเดียวกัน จากข้อมูลที่รวบรวมได้มีการฝึกอบรม
. ในส่วนนี้เราใช้เวลาเผ่นของศรัทธาและศึกษาประสิทธิภาพของการพยากรณ์ของเรา

ในระบบนับหลักสูง ( สนับสนุน 32 , และ 64K ) หมายเหตุ เนื่องจากนางแบบ
ไม่เห็นจุดในระบบนับหลักสูง มันจะมีประโยชน์
เพื่อปรับปรุงพวกเขาหลังจากการทำนายในแต่ละจุดข้อมูล วิธีการเล่นออนไลน์นี้
ปรับเทคนิคการเรียนรู้ของเครื่อง ( ที่เราปรับปรุงรูปแบบหลังจากที่เห็นแต่ละจุด )
และเป็นในทางตรงกันข้ามกับการเรียนรู้แบบออฟไลน์แบบใช้ใน
มาตราการตรวจสอบ