A.8 学習が止まったときのレスキュー

詰まったら、「自分には無理」ではなく「どこで失敗しているかを探せる」に変えます。

まず問題を分類する

症状	ありそうな問題	最初の動き
ModuleNotFoundError	環境違い、または依存関係不足	Python と pip の場所を確認
ファイルが見つからない	作業ディレクトリや相対パスの問題	Path.cwd() を出力
コードは動くが結果が変	入力、ラベル、評価指標の問題	サンプルと中間値を出力
学習が改善しない	データ、loss、学習率、ラベル形式の問題	小さなデータに過学習できるか試す
GPU メモリ不足	batch、入力、モデルが大きすぎる	まず batch size を下げる
プロジェクトが大きすぎる	最小閉ループがない	1 入力、1 処理、1 出力にする

まず実行する確認

python --version
which python
pip --version
pip list
pwd
ls

NVIDIA GPU を使う場合:

nvidia-smi

パス問題はこう確認します。

from pathlib import Path

print(Path.cwd())
print(Path("data").exists())

期待される出力：

現在のフォルダは環境によって変わりますが、形は次のようになります。

/your/current/project
False

残す証拠

このページを終えたら、この証拠カードを残します。

症状

正確なエラーメッセージ、コマンド、入力、環境

最小再現

まだ失敗する最小のコードまたはコマンド

仮説

依存関係、パス、データ、API、モデル、またはブラウザ/runtime の問題

次の確認

多くの変更をする前に、1つのコマンドかログを確認する

期待される成果

再現可能なバグメモと、テスト済みの修正または代替策

この順番でデバッグする

1. 最初の 2 件の入力とラベルを出す。
2. shape、長さ、値の範囲を出す。
3. モデルに入る前の中間結果を 1 つ出す。
4. 評価指標を計算する前のモデル出力を 1 つ出す。
5. モデルやパラメータを変えるのは最後にする。

最小確認例:

texts = ["refund request", "invoice copy", "shipping delay"]
labels = ["support", "billing", "support"]

print("samples:", len(texts))
print("first texts:", texts[:2])
print("first labels:", labels[:2])
print("label set:", sorted(set(labels)))

期待される出力：

Samples

3

First Texts

['refund request', 'invoice copy']

First Labels

['support', 'billing']

Label Set

['billing', 'support']

助けを求めるときの形

やっていること

未記入

期待した結果

未記入

実際に起きたこと

未記入

エラー全文の最後 20 行

未記入

すでに試したこと

未記入

最小再現コード

未記入

最小再現の習慣

プロジェクトが複雑すぎるときは、まず動くところまで縮めます。

def predict(x):
    return x * 2

data = [1, 2, 3]
preds = [predict(x) for x in data]
print(preds)

期待される出力：

[2, 4, 6]

そこへ実際の処理を 1 層ずつ戻します。壊れた層が、調べるべき層です。

止まるか、続けるか

状況	よい行動
30 分ほどランダムに直している	止まって仮説を書く
コピーしているコマンドの意味を説明できない	止まって環境を確認する
1-2 個の明確な仮説がある	テストを続ける
次に見るべき結果がわかっている	進める