Random संख्याएँ जिन्हें आप दोहरा सकते हैं
यह क्यों मायने रखता है Networks बेतरतीब weights से शुरू होते हैं और अपना data फेंटते हैं। अगर आप एक run ठीक दोहरा नहीं सकते, आप एक असली सुधार को भाग्य से अलग नहीं बता सकते।
Computer की random संख्याएँ एक नुस्खे से आती हैं जो एक seed पर शुरू होता है। वही seed, वही क्रम, हर बार।
rng = np.random.default_rng(42)
rng.normal(size=3) # always the same three numbers for seed 42
Seed: एक random number generator की शुरुआती संख्या। इसे तय करना "random" नतीजों को दोहराने लायक बनाता है।
कोर्स में बाद में आप वही model पाँच अलग seeds से train करेंगे यह देखने के लिए कि नतीजे बस संयोग से कितना डगमगाते हैं।
सार छिपी global बेतरतीबी पर निर्भर रहने के बजाय, एक seed से अपना generator बनाएँ और उसे आगे दें।
इस पाठ के शब्द और चिह्न
- array
- संख्याओं का एक NumPy block, सब एक प्रकार की, जो हर item पर एक साथ गणित करता है
- seed
- एक random generator की शुरुआती संख्या; वही seed वही संख्याएँ देता है
- mean, spread
- औसत, और मान उससे मोटे तौर पर कितनी दूर बैठते हैं (standard deviation)
make_data(seed, n) लिखें जो seed से अपना generator बनाए और एक normal distribution (mean 0, spread 1) से n संख्याएँ लौटाए। वही seed एक जैसे arrays देना चाहिए; अलग seeds अलग होने चाहिए।
इस पाठ में कोई समस्या दिखी? बताएँ · इस पाठ के बारे में पूछें
यह अभ्यास जल्द खुलेगा
इससे पहले वाला पाठ पूरा करें और यह खुल जाएगा। पूरा कोर्स मुफ़्त है, कोई खाता नहीं चाहिए, और आप यह पाठ अभी पढ़ सकते हैं।
यह ब्राउज़र learn.floati.life के लिए कुकी रोक रहा है, इसलिए यहाँ पूरे किए गए पाठ क्रम से नहीं खुल सकते। इस साइट के लिए कुकी की अनुमति दें और फिर से लोड करें।