Tekrarlanabilir Çalıştırmalar için Rastgeleliği Tohumlayın
NumPy, PyTorch ve Python genelinde rastgele tohumları denetleyin.
Tekrarlanabilir Çalıştırmalar için Rastgeleliği Tohumlayın, CoddyKit'te ücretsiz bir MLOps Academy dersidir. Bu, 4 dersinin 3. dersidir. Aşağıdan dersin tamamını ücretsiz okuyabilir, sonra tarayıcıda yerleşik kod editörü ve 7/24 yapay zeka koçu ile uygulamalı olarak pratik yapabilirsin. Bu, MLOps Academy öğrenme yolunun bir parçasıdır ve ilerlemeniz web ve CoddyKit uygulaması arasında senkronize olur. MLOps Academy kursu toplamda 4 dersten oluşur.
Çalıştırmalar Neden Farklıdır?
Makine öğrenimi; karıştırma, bölme ve ağırlık başlatma işlemlerinde rastgelelik kullanır. İki kez çalıştırdığınızda iki farklı model elde edersiniz. Tohum belirleme, rastgeleliği tekrarlanabilir kılar. 🎲
Tohum Nedir?
seed, rastgele oluşturucu için başlangıç sayısıdır. Aynı tohum kullanılırsa aynı rastgele sayı dizisi elde edilir.
Saf Python'da Tohum Belirleyin
Python'un kendi random modülü, düz Python'daki karıştırma işlemlerinin yeniden üretilebilir olması için random.seed gerektirir.
import random
random.seed(42)NumPy'de Tohum Belirleyin
Veri işlemlerinin çoğu NumPy üzerinden geçtiği için dizi karıştırma ve örnekleme işlemlerini sabitlemek üzere np.random.seed kullanın.
import numpy as np
np.random.seed(42)PyTorch'ta Tohum Belirleyin
Derin öğrenmede başlatma ve dropout, PyTorch'un oluşturucusundan rastgele değerler alır; bu nedenle modelinizi oluşturmadan önce torch.manual_seed çağrısını yapın.
import torch
torch.manual_seed(42)GPU'yu Unutmayın
CUDA'nın kendine ait bir rastgelelik durumu vardır; bu nedenle onu ayrıca tohumlayın. cuda.manual_seed_all, tüm GPU aygıtlarını aynı anda kapsar.
torch.cuda.manual_seed_all(42)scikit-learn Bölmelerine Tohum Verin
Her çalıştırmada aynı satırların aynı bölmeye düşmesi için train_test_split gibi işlevlere random_state gönderin.
train_test_split(X, y, random_state=42)Hepsini Yöneten Tek Yardımcı
Tüm tohum çağrılarını tek bir set_seed işlevinde birleştirin. Hiçbir şeyin unutulmaması için bu işlevi başlangıçta bir kez çağırın.
def set_seed(s):
random.seed(s)
np.random.seed(s)
torch.manual_seed(s)Belirlenebilir Çekirdekleri Zorlayın
Bazı GPU çekirdekleri tohumlamadan sonra bile rastgele kalır. Tekrarlanabilir matematik işlemlerini zorlamak için PyTorch'ta deterministic modunu açın.
torch.use_deterministic_algorithms(True)Tohumu Kaydedin
Kullandığınız tohum değerini her zaman çalıştırmayla birlikte kaydedin. Yeniden üretemediğiniz bir sonuca güvenemezsiniz.
Aynı Donanım Değil, Yeniden Üretilebilirlik
Tohumlar kullanılsa bile sonuçlar farklı donanımlar veya kitaplık sürümleri arasında değişebilir. Gerçek tekrarlanabilirlik için bunları da sabitleyin.
Hızlı Kontrol
Python ve NumPy'ye tohum verdiniz, ancak PyTorch modeliniz hâlâ değişiyor. Neyi unuttunuz?
Özet
Tekrarlanabilir çalıştırmalar için Python, NumPy, PyTorch, CUDA ve sklearn dâhil olmak üzere her rastgelelik kaynağına tohum vermeyi ve tohumu kaydetmeyi öğrendiniz. 🔁
Sıkça Sorulan Sorular
“Tekrarlanabilir Çalıştırmalar için Rastgeleliği Tohumlayın” dersi ücretsiz mi?
Evet — “Tekrarlanabilir Çalıştırmalar için Rastgeleliği Tohumlayın” dersin tüm metni burada web'de ücretsiz olarak okunabilir. Etkileşimli olarak pratik yapmak (yerleşik kod editörü ve 7/24 yapay zeka koçu) ve MLOps Academy kursunun geri kalanını açmak için CoddyKit PRO'ya yükselt. MLOps Academy kursu toplamda 4 dersten oluşur.
“Tekrarlanabilir Çalıştırmalar için Rastgeleliği Tohumlayın” dersinde ne öğreneceğim?
NumPy, PyTorch ve Python genelinde rastgele tohumları denetleyin. MLOps Academy ile uygulamalı kodu tarayıcıda doğrudan çalıştırarak pratik yaparsın ve 7/24 yapay zeka koçu dersi çalışırken sorularını yanıtlar.
MLOps Academy öğrenmeye başlamak için deneyim gerekli mi?
Önceden deneyim gerekmez. CoddyKit'te MLOps Academy, başlangıçtan ileri seviyeye kadar yapılandırıldığı için buradan başlayabilir veya başından başlayıp kendi hızında ilerleme yapabilirsin. Bu, 4 dersinin 3. dersidir.
“Tekrarlanabilir Çalıştırmalar için Rastgeleliği Tohumlayın” dersi ne kadar sürer?
Çoğu CoddyKit dersi yaklaşık 5–10 dakika sürer. Her biri kısa ve etkileşimli olduğu için sabit ilerleme yaparsın ve web ile uygulama arasında tam olarak bıraktığın yerden devam edebilirsin.
Bu MLOps Academy dersinde kod yazıp çalıştırabilir miyim?
Evet. Her MLOps Academy dersi yerleşik bir kod editörü içerir, bu sayede tarayıcıda gerçek kod yazıp çalıştırabilir ve anlık yapay zeka geri bildirimi alırsın — yerel kurulum gerekli değildir.
Bu kursun tüm dersleri
- Bağımlılıkları requirements.txt ile Sabitleyin
- Projeleri Sanal Ortamlarla Yalıtın
- Tekrarlanabilir Çalıştırmalar için Rastgeleliği Tohumlayın
- Çalıştırma Yapılandırmasının Tamamını Yakalayın