"seed" 在 Python 中拆分测试验证数据的目的是什么？如何得出正确的数字？
What is "seed" for in splitting test-val data in Python and how to come up with a correct number?
我正在尝试拆分我的图像数据集，以便它可以具有训练集和验证集。我发现这个 Python 的图书馆叫做 split-folders。语法简单易懂
splitfolders.ratio("input_folder", output="output", seed=1337, ratio=(.8, .1, .1), group_prefix=None)
但我不知道这个种子参数及其作用。页面上的描述只说“种子使分裂可重现”和“它洗牌”但它并没有真正为我解释任何事情。我用谷歌搜索了一下，其中 none 给了我一个明确的答案。谁能给我一个简单的解释？
默认号码是1337，但为什么呢？将种子设置为 1337 是什么意思？他们是怎么得出这个数字的？如何为我的数据集找到正确的种子？
当您将语料库拆分为训练集、验证集和测试集时，您会随机将一个数据点分配给这三组中的一组。使用 seeds.
可追踪随机性
想象一下，您有一个随机生成器，一个 BlackBox，它会为您提供一系列随机数；但是对于每个给定的种子，它生成的序列将始终相同。例如，对于 seed=1337，随机生成器将始终在同一台计算机上生成一系列随机数，如 12,901,110,1,....。
为什么我们关心tracing的随机性，尤其是在划分语料训练的情况下？因为大多数时候，您想使用相同的数据重复相同的实验。所以如果你不使用种子值，每次你 运行 相同的实验，你最终会得到不同的训练设置。
种子值本身并不重要，只要你通过某个值得到它，你就知道它在你的实验中是固定的。我个人设置为素数。
我正在尝试拆分我的图像数据集，以便它可以具有训练集和验证集。我发现这个 Python 的图书馆叫做 split-folders。语法简单易懂
splitfolders.ratio("input_folder", output="output", seed=1337, ratio=(.8, .1, .1), group_prefix=None)
但我不知道这个种子参数及其作用。页面上的描述只说“种子使分裂可重现”和“它洗牌”但它并没有真正为我解释任何事情。我用谷歌搜索了一下，其中 none 给了我一个明确的答案。谁能给我一个简单的解释？
默认号码是1337，但为什么呢？将种子设置为 1337 是什么意思？他们是怎么得出这个数字的？如何为我的数据集找到正确的种子？
当您将语料库拆分为训练集、验证集和测试集时，您会随机将一个数据点分配给这三组中的一组。使用 seeds.
可追踪随机性想象一下，您有一个随机生成器，一个 BlackBox，它会为您提供一系列随机数；但是对于每个给定的种子，它生成的序列将始终相同。例如，对于 seed=1337，随机生成器将始终在同一台计算机上生成一系列随机数，如 12,901,110,1,....。
为什么我们关心tracing的随机性，尤其是在划分语料训练的情况下？因为大多数时候，您想使用相同的数据重复相同的实验。所以如果你不使用种子值，每次你 运行 相同的实验，你最终会得到不同的训练设置。
种子值本身并不重要，只要你通过某个值得到它，你就知道它在你的实验中是固定的。我个人设置为素数。