Numeri casuali che puoi ripetere
Perché è importante Le reti partono da pesi casuali e mescolano i loro dati. Se non puoi ripetere esattamente un'esecuzione, non puoi distinguere un vero miglioramento dalla fortuna.
I numeri casuali del computer vengono da una ricetta che parte da un seme. Stesso seme, stessa sequenza, ogni volta.
rng = np.random.default_rng(42)
rng.normal(size=3) # always the same three numbers for seed 42
Seme: il numero di partenza di un generatore di numeri casuali. Fissarlo rende ripetibili i risultati "casuali".
Più avanti nel corso addestrerai lo stesso modello con cinque semi diversi per vedere quanto oscillano i risultati per puro caso.
Riepilogo Crea il tuo generatore da un seme e passalo in giro, invece di affidarti a una casualità globale nascosta.
Parole e simboli di questa lezione
- array
- un blocco NumPy di numeri, tutti dello stesso tipo, che fa i calcoli su ogni elemento insieme
- seme
- il numero di partenza di un generatore casuale; lo stesso seme dà gli stessi numeri
- media, dispersione
- il valore medio, e più o meno quanto i valori se ne discostano (deviazione standard)
Scrivi make_data(seed, n) che costruisce il proprio generatore da seed e restituisce n numeri da una distribuzione normale (media 0, dispersione 1). Lo stesso seme deve dare array identici; semi diversi devono essere diversi.
Hai notato un problema in questa lezione? Segnalalo · Chiedi qualcosa su questa lezione
Questo esercizio si apre presto
Finisci la lezione precedente e questa si sblocca. L'intero corso è gratuito, senza account, e puoi leggere questa lezione subito.
Questo browser blocca i cookie per learn.floati.life, quindi le lezioni che hai finito qui non si possono aprire in ordine. Consenti i cookie per questo sito e ricarica.