知识卡片
随机种子应控制整次初始化
示例在每次rand_arr内部重设种子0,使相同形状的门矩阵起点完全相同,偏置也重复。这与仅在一次实验入口设种子不同。复现需要固定随机过程,但不应无意让各模块反复复用相同随机片段。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
def rand_arr(a, b, *args): np.random.seed(0) return np.random.rand(*args) * (b - a) + a # 损失函数类: class LossLayer: @class
参考来源
- 位置:《NLP汉语自然语言处理原理与实践 (郑捷)》第09章《NLP中的深度学习》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/NLP汉语自然语言处理原理与实践 (郑捷)/_epub-src/OEBPS/text00014.html)
- 结论依据:摘录中关于随机种子应控制整次初始化的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。
- 原始内容:def rand_arr(a, b, *args): np.random.seed(0) return np.random.rand(*args) * (b - a) + a # 损失函数类: class LossLayer: @class