Tekrarlayabileceğin rastgele sayılar
Neden önemli Ağlar rastgele ağırlıklardan başlar ve verilerini karıştırır. Bir çalıştırmayı tam olarak tekrarlayamazsan, gerçek bir iyileşmeyi şanstan ayıramazsın.
Bilgisayarın rastgele sayıları bir tohumdan başlayan bir tariften gelir. Aynı tohum, her seferinde aynı dizi.
rng = np.random.default_rng(42)
rng.normal(size=3) # always the same three numbers for seed 42
Tohum: bir rastgele sayı üretecinin başlangıç sayısı. Onu sabitlemek "rastgele" sonuçları tekrarlanabilir yapar.
Kursun ilerleyen kısmında, sonuçların yalnızca şans yüzünden ne kadar oynadığını görmek için aynı modeli beş farklı tohumla eğiteceksin.
Özet Gizli küresel rastgeleliğe güvenmek yerine bir tohumdan kendi üretecini yap ve onu etrafa geçir.
Bu dersteki kelimeler ve semboller
- dizi
- hepsi aynı türde sayılardan oluşan ve her öğe üzerinde aynı anda matematik yapan bir NumPy bloğu
- tohum
- bir rastgele üretecin başlangıç sayısı; aynı tohum aynı sayıları verir
- ortalama, yayılım
- ortalama değer ve değerlerin ondan kabaca ne kadar uzakta durduğu (standart sapma)
seed değerinden kendi üretecini kuran ve normal dağılımdan (ortalama 0, yayılım 1) n sayı döndüren make_data(seed, n) yaz. Aynı tohum aynı dizileri vermeli; farklı tohumlar farklı olmalı.
Bu derste bir sorun mu fark ettin? Bildir · Bu ders hakkında soru sor
Bu alıştırma yakında açılacak
Bu dersi bitirince bu ders açılacak. Kursun tamamı ücretsiz, hesap gerekmiyor ve bu dersi hemen şimdi okuyabilirsin.
Bu tarayıcı learn.floati.life için çerezleri engelliyor, bu yüzden burada bitirdiğin dersler sırasıyla açılamıyor. Bu site için çerezlere izin ver ve sayfayı yenile.