Programma Lezione 13 di 246 · Modulo 1: Python per questo corso
Modulo 1: Python per questo corso

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)
Tocca a te

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.