أرقام عشوائية يمكنك تكرارها
لماذا هذا مهم تبدأ الشبكات بوزن عشوائي وتقوم بخلط بياناتها. إذا لم تتمكن من تكرار التشغيل بالضبط، فلا يمكنك التمييز بين التحسن الحقيقي والحظ.
تأتي الأرقام العشوائية في الحاسوب من وصفة تبدأ بـ seed. نفس البذرة، نفس التسلسل، في كل مرة.
rng = np.random.default_rng(42)
rng.normal(size=3) # always the same three numbers for seed 42
Seed: الرقم البداية لمولد الأرقام العشوائية. تثبيته يجعل النتائج العشوائية قابلة للتكرار.
في وقت لاحق من الدورة التدريبية سوف تقوم بتدريب نفس النموذج باستخدام خمسة بذور مختلفة لمعرفة مدى تذبذب النتائج بسبب الصدفة وحدها.
خلاصة قم بإنشاء مولد خاص بك من بذرة ومرره، بدلا من الاعتماد على العشوائية العالمية المخفية.
الكلمات والرموز في هذا الدرس
- array
- كتلة NumPy من الأرقام، جميعها من نفس النوع، تقوم بعمليات حسابية على كل عنصر في وقت واحد
- seed
- الرقم البادئ لمولد عشوائي؛ البذرة نفسها تعطي نفس الأرقام
- mean، spread
- المتوسط، ومدى بعد القيم عنه تقريبًا (الانحراف المعياري)
اكتب make_data(seed, n) الذي يبني مولد بيانات خاصا به من seed ويعيد أرقام n من توزيع طبيعي (المتوسط 0، الانحراف 1). يجب أن تعطي نفس الـ seed مصفوفات متطابقة؛ ويجب أن تختلف الـ seeds المختلفة.
سيفتح هذا التمرين قريبا
أنهِ الدرس السابق ليفتح هذا الدرس. الدورة كاملة مجانية، ولا تحتاج إلى حساب، ويمكنك قراءة هذا الدرس الآن.
يقوم هذا المتصفح بحظر ملفات تعريف الارتباط لـ learn.floati.life، لذا لا يمكن فتح الدروس التي أنهيتها هنا بالترتيب. اسمح بملفات تعريف الارتباط لهذا الموقع وأعد التحميل.