MLContext(Nullable<Int32>) Конструктор
Определение
Важно!
Некоторые сведения относятся к предварительной версии продукта, в которую до выпуска могут быть внесены существенные изменения. Майкрософт не предоставляет никаких гарантий, явных или подразумеваемых, относительно приведенных здесь сведений.
Создайте контекст машинного обучения.
public MLContext (int? seed = default);
new Microsoft.ML.MLContext : Nullable<int> -> Microsoft.ML.MLContext
Public Sub New (Optional seed As Nullable(Of Integer) = Nothing)
Параметры
Начальное значение для генератора случайных чисел MLContext. Дополнительные сведения см. в разделе "Заметки".
Комментарии
Для многих операций в ML.NET требуется случайность, например перетасовка случайных данных, случайная выборка, инициализация случайных параметров, случайный перемысел, выбор случайных признаков и многое другое. Генератор случайных чисел MLContext является глобальным источником случайности для всех таких случайных операций.
Если фиксированное начальное значение предоставляется средой seed
MLContext, становится детерминированной, то есть результаты повторяются и останутся одинаковыми в нескольких запусках. Например, во многих примерах фрагментов кода для API ML.NET предоставляется начальное значение. Это связано с тем, что мы хотим, чтобы пользователи получили те же выходные данные, что и в примерах примечаний, когда они запускают пример на собственном компьютере.
Как правило, повторяемость не является обязательным требованием, и это поведение по умолчанию. Если начальное значение не предоставляется seed
, т. е. задано значение null
, среда MLContext становится недетерминированной и выходные данные изменяются в нескольких запусках.
Существует множество операций в ML.NET, которые не используют случайные значения, такие как нормализация минимального максимума, объединение столбцов, отсутствие указания значения и т. д. Поведение этих операций детерминировано независимо от начального значения.
Кроме того, ML.NET тренеры не используют случайность *после* завершения обучения. Таким образом, прогнозы из загруженной модели не зависят от начального значения.