0Pricing
Deep Learning Academy · 강의

노트북, 스크립트와 재현 가능한 시드

결과를 반복해서 재현할 수 있도록 무작위 시드를 설정합니다

노트북, 스크립트와 재현 가능한 시드은(는) CoddyKit의 무료 Deep Learning Academy 강의입니다. 이것은 4개 중 3번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 Deep Learning Academy 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. Deep Learning Academy 강의에는 총 4개의 강의가 포함되어 있습니다.

이 강의의 일부는 아직 번역되지 않았으며 영어로 표시됩니다.

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.py

Watch 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. 🌱

자주 묻는 질문

“노트북, 스크립트와 재현 가능한 시드” 강의는 무료인가요?

네 — “노트북, 스크립트와 재현 가능한 시드” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 Deep Learning Academy 강의 전체를 잠금 해제할 수 있습니다. Deep Learning Academy 강의에는 총 4개의 강의가 포함되어 있습니다.

“노트북, 스크립트와 재현 가능한 시드”에서 뭘 배우나요?

결과를 반복해서 재현할 수 있도록 무작위 시드를 설정합니다 브라우저에서 직접 실행하는 실습 코드로 Deep Learning Academy을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.

Deep Learning Academy을(를) 시작하는 데 경험이 필요한가요?

사전 경험은 필요하지 않습니다. CoddyKit의 Deep Learning Academy은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 3번째 강의입니다.

“노트북, 스크립트와 재현 가능한 시드” 강의는 얼마나 걸리나요?

대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.

이 Deep Learning Academy 강의에서 코드를 작성하고 실행할 수 있나요?

네. 모든 Deep Learning Academy 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.

이 강의의 모든 강의

  1. PyTorch 설치 및 가져오기 확인
  2. CPU, GPU, MPS 중 장치 선택하기
  3. 노트북, 스크립트와 재현 가능한 시드
  4. 첫 torch.tensor 만들기
← Deep Learning Academy(으)로 돌아가기