Programme Leçon 13 sur 246 · Module 1 : Python pour ce cours
Module 1 : Python pour ce cours

Des nombres aléatoires qu'on peut répéter

Pourquoi c'est important Les réseaux partent de poids aléatoires et mélangent leurs données. Si tu ne peux pas répéter une exécution exactement, tu ne peux pas distinguer une vraie amélioration de la chance.

Les nombres aléatoires d'un ordinateur viennent d'une recette qui démarre à une graine. Même graine, même suite, à chaque fois.

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

Graine : le nombre de départ d'un générateur de nombres aléatoires. La fixer rend des résultats « aléatoires » reproductibles.

Plus tard dans le cours, tu entraîneras le même modèle avec cinq graines différentes pour voir à quel point les résultats varient par le seul hasard.

Récap Crée ton propre générateur à partir d'une graine et transmets-le, au lieu de compter sur un hasard global caché.

Mots et symboles de cette leçon
tableau
un bloc NumPy de nombres, tous du même type, qui fait des maths sur chaque élément d'un coup
graine
le nombre de départ d'un générateur aléatoire ; la même graine donne les mêmes nombres
moyenne, dispersion
la moyenne, et à peu près à quelle distance les valeurs s'en trouvent (écart type)
À ton tour

Écris make_data(seed, n) qui construit son propre générateur à partir de seed et renvoie n nombres tirés d'une loi normale (moyenne 0, dispersion 1). La même graine doit donner des tableaux identiques ; des graines différentes doivent différer.

Tu as repéré un problème dans cette leçon ? Signale-le · Pose une question sur cette leçon

Cet exercice s'ouvre bientôt

Termine la leçon précédente pour débloquer celle-ci. Tout le cours est gratuit, aucun compte n'est requis, et tu peux lire cette leçon dès maintenant.