Notebooks, scripts et graines reproductibles
Définissez des graines aléatoires pour reproduire les résultats.
Notebooks, scripts et graines reproductibles est une leçon Deep Learning Academy gratuite sur CoddyKit. Ceci est la leçon 3 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage Deep Learning Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours Deep Learning Academy comprend 4 leçons au total.
Certaines parties de cette leçon n'ont pas encore été traduites et s'affichent en anglais.
Two Ways to Work
You will write code in notebooks for quick experiments and in plain scripts for repeatable runs. Each suits a different moment.
Notebooks for Exploring
A notebook runs code in cells, showing plots and results inline. It is perfect for poking at data and trying ideas fast. 📓
Scripts for Real Runs
A script runs top to bottom in one go. Use it for training jobs you want to launch, share, and reproduce exactly.
python train.pyWatch Out for Cell Order
Notebook cells keep state even when you run them out of order, which can hide bugs. A script always starts from a clean slate.
The Reproducibility Problem
Deep learning uses random numbers for weights and shuffling. Run twice and you get different results unless you control that randomness.
Seeds to the Rescue
A seed fixes the starting point of the random number generator, so the same code produces the same numbers every single run.
Seed PyTorch
Set PyTorch's generator with one call. manual_seed makes weight initialization and any torch randomness repeatable.
torch.manual_seed(42)Don't Forget NumPy and Python
Your code often pulls randomness from NumPy and Python too, so seed all three to make a run fully reproducible.
import numpy as np, random
np.random.seed(42)
random.seed(42)Seed the GPU Too
When you train on CUDA, also seed the GPU generators. cuda.manual_seed_all covers every GPU device in your machine.
torch.cuda.manual_seed_all(42)Wrap It in a Function
Bundle every seed call into one set_seed helper. Call it at the top of each run so you never forget a source of randomness.
def set_seed(s):
torch.manual_seed(s)
np.random.seed(s)Why It Matters
Reproducible runs let you compare experiments fairly. If accuracy improves, you know it was your change, not random luck.
Quick Check
Recall what makes a run repeatable.
Recap
You saw when to use notebooks versus scripts and how seeding torch, NumPy, and Python makes every run reproducible. 🌱
Questions Fréquemment Posées
La leçon « Notebooks, scripts et graines reproductibles » est-elle gratuite ?
Oui — le texte complet de « Notebooks, scripts et graines reproductibles » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours Deep Learning Academy, passe à CoddyKit PRO. Le cours Deep Learning Academy comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Notebooks, scripts et graines reproductibles » ?
Définissez des graines aléatoires pour reproduire les résultats. Tu pratiques Deep Learning Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer Deep Learning Academy ?
Aucune expérience préalable n'est requise. Deep Learning Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 3 sur 4.
Combien de temps prend la leçon « Notebooks, scripts et graines reproductibles » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon Deep Learning Academy ?
Oui. Chaque leçon Deep Learning Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Installer PyTorch et vérifier son importation
- CPU ou GPU ou MPS : choisissez un appareil
- Notebooks, scripts et graines reproductibles
- Votre premier torch.tensor