Ноутбуки, скрипты и воспроизводимые начальные значения
Задайте случайные начальные значения, чтобы результаты повторялись
«Ноутбуки, скрипты и воспроизводимые начальные значения» — бесплатный урок Deep Learning Academy на CoddyKit. Это урок 3 из 4. Ты можешь прочитать весь урок бесплатно ниже — а потом практиковать его прямо в браузере с встроенным редактором кода и ИИ-репетитором 24/7. Это часть пути обучения Deep Learning Academy, и твой прогресс синхронизируется между веб-версией и приложением CoddyKit. Курс Deep Learning Academy содержит 4 уроков всего.
Части этого урока еще не переведены и отображаются на английском.
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. 🌱
Часто задаваемые вопросы
Урок «Ноутбуки, скрипты и воспроизводимые начальные значения» бесплатный?
Да — полный текст урока «Ноутбуки, скрипты и воспроизводимые начальные значения» бесплатно доступен здесь в веб-версии. Чтобы практиковать его интерактивно (встроенный редактор кода и ИИ-репетитор 24/7) и разблокировать остальной курс Deep Learning Academy, подпишись на CoddyKit PRO. Курс Deep Learning Academy содержит 4 уроков всего.
Чему я научусь в уроке «Ноутбуки, скрипты и воспроизводимые начальные значения»?
Задайте случайные начальные значения, чтобы результаты повторялись Ты практикуешь Deep Learning Academy с помощью реального кода, который запускаешь прямо в браузере, и ИИ-репетитор 24/7 отвечает на твои вопросы во время урока.
Нужен ли мне опыт, чтобы начать Deep Learning Academy?
Предыдущий опыт не требуется. Deep Learning Academy на CoddyKit структурирован для всех уровней — от новичков до продвинутых, поэтому ты можешь начать отсюда или с самого начала и учиться в своем темпе. Это урок 3 из 4.
Сколько времени занимает урок «Ноутбуки, скрипты и воспроизводимые начальные значения»?
Большинство уроков CoddyKit занимают около 5–10 минут. Каждый из них компактный и интерактивный, поэтому ты постоянно делаешь прогресс и продолжаешь с того же места в веб-версии и приложении.
Можно ли писать и запускать код в этом уроке Deep Learning Academy?
Да. Каждый урок Deep Learning Academy включает встроенный редактор кода, поэтому ты пишешь и запускаешь реальный код прямо в браузере и получаешь моментальную обратную связь от AI — локальная установка не требуется.
Все уроки этого курса
- Установите PyTorch и проверьте импорт
- CPU, GPU или MPS: выберите устройство
- Ноутбуки, скрипты и воспроизводимые начальные значения
- Ваш первый torch.tensor