Temario Lección 13 de 246 · Módulo 1: Python para este curso
Módulo 1: Python para este curso

Números aleatorios que puedes repetir

Por qué importa Las redes empiezan con pesos aleatorios y barajan sus datos. Si no puedes repetir una ejecución exactamente, no puedes distinguir una mejora real de la suerte.

Los números aleatorios del ordenador salen de una receta que empieza en una semilla. Misma semilla, misma secuencia, siempre.

rng = np.random.default_rng(42)
rng.normal(size=3)   # always the same three numbers for seed 42

Semilla: el número inicial de un generador de números aleatorios. Fijarlo hace repetibles los resultados "aleatorios".

Más adelante en el curso entrenarás el mismo modelo con cinco semillas distintas para ver cuánto oscilan los resultados solo por azar.

Resumen Crea tu propio generador a partir de una semilla y pásalo de un lado a otro, en vez de depender de una aleatoriedad global escondida.

Palabras y símbolos de esta lección
array
un bloque de números de NumPy, todos del mismo tipo, que hace las cuentas sobre cada elemento a la vez
semilla
el número inicial de un generador aleatorio; la misma semilla da los mismos números
media, dispersión
el promedio, y más o menos lo lejos que están los valores de él (la desviación típica)
Tu turno

Escribe make_data(seed, n) que cree su propio generador a partir de seed y devuelva n números de una distribución normal (media 0, dispersión 1). La misma semilla debe dar arrays idénticos; semillas distintas deben dar arrays distintos.

¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección

Este ejercicio se abre pronto

Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.