MLContext(Nullable<Int32>) Constructeur
Définition
Important
Certaines informations portent sur la préversion du produit qui est susceptible d’être en grande partie modifiée avant sa publication. Microsoft exclut toute garantie, expresse ou implicite, concernant les informations fournies ici.
Créez le contexte ML.
public MLContext(int? seed = default);
new Microsoft.ML.MLContext : Nullable<int> -> Microsoft.ML.MLContext
Public Sub New (Optional seed As Nullable(Of Integer) = Nothing)
Paramètres
Valeur initiale pour le générateur de nombres aléatoires de MLContext. Pour plus d’informations, consultez les remarques.
Remarques
De nombreuses opérations dans ML.NET nécessitent un caractère aléatoire, comme la shuffling de données aléatoires, l’échantillonnage aléatoire, l’initialisation de paramètres aléatoires, la permutation aléatoire, la sélection de caractéristiques aléatoires, etc. Le générateur de nombres aléatoires de MLContext est la source globale de randomité pour toutes ces opérations aléatoires.
Si une valeur initiale fixe est fournie par seed, l’environnement MLContext devient déterministe, ce qui signifie que les résultats sont reproductibles et restent les mêmes sur plusieurs exécutions. Par exemple, dans la plupart des exemples de code de référence d'API de ML.NET, une valeur initiale est fournie. C’est parce que nous voulons que les utilisateurs obtiennent la même sortie que ce qui est inclus dans les exemples de commentaires, lorsqu’ils exécutent l’exemple sur leur propre ordinateur.
En règle générale, la répétabilité n’est pas une exigence et c’est le comportement par défaut. Si une valeur initiale n’est pas fournie par seed, autrement dit, elle est définie nullsur , l’environnement MLContext devient non déterministe et les sorties changent entre plusieurs exécutions.
Il existe de nombreuses opérations dans ML.NET qui n'utilisent aucune randomité, comme la normalisation min-max, la concaténation des colonnes et l'indication de valeur manquante. Le comportement de ces opérations est déterministe, quelle que soit la valeur initiale.
En outre, ML.NET entraîneurs n'utilisent pas de caractère aléatoire *après* la formation est terminée. Par conséquent, les prédictions d’un modèle chargé ne dépendent pas de la valeur initiale.