Программа курса Урок 13 из 246 · Модуль 1: Python для этого курса
Модуль 1: Python для этого курса

Случайные числа, которые можно повторить

Почему это важно Сети начинаются со случайных весов и перемешивают свои данные. Если вы не можете в точности повторить прогон, вы не можете отличить настоящее улучшение от везения.

Компьютерные случайные числа берутся из рецепта, который начинается с seed. Тот же seed - та же последовательность, каждый раз.

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

Seed: начальное число генератора случайных чисел. Если его зафиксировать, "случайные" результаты становятся повторяемыми.

Позже в курсе вы обучите одну и ту же модель с пятью разными seed, чтобы увидеть, насколько результаты колеблются из-за одной лишь случайности.

Итоги Создайте собственный генератор из seed и передавайте его, а не полагайтесь на скрытую глобальную случайность.

Слова и символы этого урока
массив
блок чисел NumPy, все одного типа, который делает математику со всеми элементами сразу
seed
начальное число генератора случайных чисел; тот же seed даёт те же числа
среднее, разброс
среднее значение и примерно то, насколько далеко от него лежат значения (стандартное отклонение)
Твоя очередь

Напишите make_data(seed, n), которая строит собственный генератор из seed и возвращает n чисел из нормального распределения (среднее 0, разброс 1). Тот же seed должен давать одинаковые массивы; разные seed должны различаться.

Заметили проблему в этом уроке? Сообщите о ней · Спросить об этом уроке

Это упражнение откроется скоро

Закончи предыдущий урок, чтобы открылся этот. Весь курс бесплатный, аккаунт не нужен, и ты можешь прочитать этот урок прямо сейчас.