Willekeurige getallen die je kunt herhalen
Waarom dit ertoe doet Networks beginnen met willekeurige gewichten en husselen hun data. Als je een run niet exact kunt herhalen, kun je een echte verbetering niet van geluk onderscheiden.
Computer willekeurige getallen komen uit een recept dat begint bij een seed. Dezelfde seed, dezelfde reeks, elke keer.
rng = np.random.default_rng(42)
rng.normal(size=3) # always the same three numbers for seed 42
Seed: het startgetal voor een willekeurige getalgenerator. Het vastzetten maakt "willekeurige" resultaten herhaalbaar.
Later in de cursus train je hetzelfde model met vijf verschillende seeds om te zien hoeveel de resultaten per toeval variëren.
Samenvatting Maak je eigen generator aan vanuit een seed en geef deze door, in plaats van te vertrouwen op verborgen globale willekeur.
Woorden en symbolen in deze les
- array
- a NumPy blok van getallen, allemaal van hetzelfde type, dat wiskunde doet op elk item tegelijk
- seed
- het startgetal voor een willekeurige generator; dezelfde seed geeft dezelfde getallen
- gemiddelde, spreiding
- het gemiddelde, en ongeveer hoe ver waarden ervan afwijken (standaarddeviatie)
Schrijf make_data(seed, n) dat zijn eigen generator bouwt vanuit seed en n getallen retourneert uit een normale verdeling (gemiddelde 0, spreiding 1). Dezelfde seed moet identieke arrays geven; verschillende seeds moeten verschillen.
Een probleem ontdekt in deze les? Meld het · Vraag naar deze les
Deze oefening opent binnenkort
Maak de les ervoor af voordat deze wordt ontgrendeld. De hele cursus is gratis, geen account nodig, en je kunt deze les nu lezen.
Deze browser blokkeert cookies voor learn.floati.life, dus lessen die je hier hebt afgerond kunnen niet in de juiste volgorde worden geopend. Sta cookies toe voor deze site en laad de pagina opnieuw.