Notatniki, skrypty i powtarzalne ziarna losowości
Ustawić ziarna losowości, aby powtarzać wyniki
Notatniki, skrypty i powtarzalne ziarna losowości to bezpłatna lekcja Deep Learning Academy na CoddyKit. To lekcja 3 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej Deep Learning Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs Deep Learning Academy zawiera 4 lekcji w sumie.
Części tej lekcji nie zostały jeszcze przetłumaczone i są wyświetlane po angielsku.
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. 🌱
Często zadawane pytania
Czy lekcja „Notatniki, skrypty i powtarzalne ziarna losowości” jest bezpłatna?
Tak — pełny tekst „Notatniki, skrypty i powtarzalne ziarna losowości” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu Deep Learning Academy, przejdź na CoddyKit PRO. Kurs Deep Learning Academy zawiera 4 lekcji w sumie.
Co nauczysz się w „Notatniki, skrypty i powtarzalne ziarna losowości”?
Ustawić ziarna losowości, aby powtarzać wyniki Ćwiczysz Deep Learning Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć Deep Learning Academy?
Nie wymagamy żadnego doświadczenia. Deep Learning Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 3 z 4.
Ile czasu zajmuje lekcja „Notatniki, skrypty i powtarzalne ziarna losowości”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji Deep Learning Academy?
Tak. Każda lekcja Deep Learning Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- Zainstalować PyTorch i sprawdzić import
- CPU, GPU czy MPS: wybrać urządzenie
- Notatniki, skrypty i powtarzalne ziarna losowości
- Pierwszy torch.tensor