Alusta satunnaisuus toistettavia ajoja varten
Hallitse satunnaissiemeniä NumPyssa, PyTorchissa ja Pythonissa.
Alusta satunnaisuus toistettavia ajoja varten on ilmainen MLOps Academy-oppitunti CoddyKitissä. Tämä on oppitunti 3/4. Voit lukea koko oppitunnin alta ilmaiseksi ja harjoitella sen jälkeen käytännössä selaimessa sisäänrakennetulla koodieditorilla ja ympäri vuorokauden käytettävissä olevan tekoälytuutorin avulla. Oppitunti kuuluu MLOps Academy-oppimispolkuun, ja edistymisesi synkronoituu verkon ja CoddyKit-sovelluksen välillä. MLOps Academy-kurssilla on yhteensä 4 oppituntia.
Miksi ajot eroavat toisistaan
ML hyödyntää satunnaisuutta sekoitukseen, jakoihin ja painojen alustukseen. Kun suoritat ajon kahdesti, saat kaksi erilaista mallia. Siemenen asettaminen tekee satunnaisuudesta toistettavaa. 🎲
Mikä siemen on
Siemen on satunnaislukugeneraattorin aloitusluku. Kun käytät samaa siementä, saat saman satunnaislukusarjan.
Aseta Pythonin siemen
Pythonin oma random-moduuli tarvitsee kutsun random.seed, jotta tavallisessa Pythonissa tehtävä sekoitus on toistettava.
import random
random.seed(42)Aseta NumPyn siemen
Useimmat dataoperaatiot kulkevat NumPyn kautta, joten aseta np.random.seed taulukkojen sekoituksen ja otannan vakioimiseksi.
import numpy as np
np.random.seed(42)Aseta PyTorchin siemen
Syväoppimisen alustus ja dropout käyttävät PyTorchin generaattoria, joten kutsu torch.manual_seed ennen mallin luomista.
import torch
torch.manual_seed(42)Älä unohda GPU:ta
CUDAlla on oma satunnaistilansa, joten aseta sen siemen erikseen. cuda.manual_seed_all kattaa kaikki GPU-laitteet kerralla.
torch.cuda.manual_seed_all(42)Aseta scikit-learnin jakojen siemen
Välitä random_state esimerkiksi train_test_split-funktiolle, jotta samat rivit päätyvät samaan jakoon jokaisella ajokerralla.
train_test_split(X, y, random_state=42)Yksi apufunktio hallitsemaan kaikkia
Kokoa kaikki siemenkutsut yhteen set_seed-funktioon. Kutsu sitä kerran käynnistyksen yhteydessä, jotta mikään ei unohdu.
def set_seed(s):
random.seed(s)
np.random.seed(s)
torch.manual_seed(s)Pakota deterministiset ytimet
Jotkin GPU-ytimet pysyvät satunnaisina siemenen asettamisesta huolimatta. Ota PyTorchissa käyttöön deterministic-tila toistettavien laskutoimitusten pakottamiseksi.
torch.use_deterministic_algorithms(True)Kirjaa siemen
Kirjaa aina käyttämäsi siemenen arvo ajon yhteyteen. Tulosta, jota et voi toistaa, et voi myöskään luotettavasti arvioida.
Toistettava, ei sama kaikilla laitteilla
Siemenistä huolimatta tulokset voivat vaihdella eri laitteilla tai kirjastoversioilla. Lukitse myös ne, jos haluat aidosti toistettavat tulokset.
Pikatarkistus
Asetit Pythonin ja NumPyn siemenet, mutta PyTorch-mallisi vaihtelee edelleen. Mitä unohdit?
Kertaus
Opit asettamaan siemenen jokaiselle satunnaisuuden lähteelle: Pythonille, NumPylle, PyTorchille, CUDAlle ja sklearnille, sekä kirjaamaan siemenen toistettavia ajoja varten. 🔁
Opi Python tekoälytuutorin avulla — ilmaiseksi
Kirjoita ja suorita oikeaa koodia selaimessa, saa välitöntä apua tekoälytuutorilta ympäri vuorokauden ja jatka siitä, mihin jäit, verkossa tai sovelluksessa.
- Kurssit
- 30
- Oppitunnit
- 120
Usein kysytyt kysymykset
Onko oppitunti ”Alusta satunnaisuus toistettavia ajoja varten” ilmainen?
Kyllä – oppitunnin ”Alusta satunnaisuus toistettavia ajoja varten” koko tekstin voi lukea täällä verkossa ilmaiseksi. Jos haluat harjoitella interaktiivisesti sisäänrakennetulla koodieditorilla ja ympäri vuorokauden käytettävissä olevan tekoälytuutorin avulla sekä avata koko MLOps Academy-kurssin, päivitä CoddyKit PROhon. MLOps Academy-kurssilla on yhteensä 4 oppituntia.
Mitä opin oppitunnilla ”Alusta satunnaisuus toistettavia ajoja varten”?
Hallitse satunnaissiemeniä NumPyssa, PyTorchissa ja Pythonissa. Harjoittelet MLOps Academy-aihetta koodilla, jonka suoritat suoraan selaimessa. Ympäri vuorokauden käytettävissä oleva tekoälytuutori vastaa kysymyksiisi oppitunnin aikana.
Tarvitsenko kokemusta aloittaakseni MLOps Academy-opiskelun?
Aiempi kokemus ei ole tarpeen. CoddyKitin MLOps Academy-oppimispolku sopii vasta-alkajista edistyneisiin, joten voit aloittaa tästä tai alusta ja edetä omaan tahtiisi. Tämä on oppitunti 3/4.
Kuinka kauan ”Alusta satunnaisuus toistettavia ajoja varten”-oppitunnin suorittaminen kestää?
Useimmat CoddyKitin oppitunnit kestävät noin 5–10 minuuttia. Jokainen oppitunti on lyhyt ja interaktiivinen, joten edistyt tasaisesti ja voit jatkaa siitä, mihin jäit – sekä verkossa että sovelluksessa.
Voinko kirjoittaa ja suorittaa koodia tällä MLOps Academy-oppitunnilla?
Kyllä. Jokainen MLOps Academy-oppitunti sisältää sisäänrakennetun koodieditorin, joten voit kirjoittaa ja suorittaa oikeaa koodia suoraan selaimessa ja saada välitöntä palautetta tekoälyltä – paikallista asennusta ei tarvita.
Kaikki tämän kurssin oppitunnit
- Kiinnitä riippuvuudet requirements.txt-tiedostolla
- Eristä projektit virtuaaliympäristöillä
- Alusta satunnaisuus toistettavia ajoja varten
- Tallenna ajon koko konfiguraatio