PyBrain 神经网络强制初始化
PyBrain Neural Network force initialisation
我在 pybrain 中有一个神经网络 运行ning，我对它的正确性很满意，现在我只想提高准确性。然而，在我开始尝试各种参数之前，我想确保每次都是从同一点开始探索。
如果我没理解错的话，PyBrain 会随机初始化网络权重。我怎样才能保持这种随机性一致，即如果没有任何变化，那么我每次 运行 网络时都应该得到相同的输出？然后我可以确定获得的任何改进都是参数更改的直接结果。
我查看了 this answer，其中推荐使用 NetworkWriter，但我认为这不是我真正想要的。
我原以为每次我 运行 都会有一些方法让网络播种相同，但也许我错了。
您可以通过传递一个权重值数组来初始化网络权重。这个答案最好地展示了这一点：
如果您希望权重具有 "consistent randomness"，您可以使用 random.seed() 创建权重向量数组。正确地实现这一点将生成每个种子值都相同的随机值。这将使您的网络具有一致的随机权重值。
我在 pybrain 中有一个神经网络 运行ning，我对它的正确性很满意，现在我只想提高准确性。然而，在我开始尝试各种参数之前，我想确保每次都是从同一点开始探索。
如果我没理解错的话，PyBrain 会随机初始化网络权重。我怎样才能保持这种随机性一致，即如果没有任何变化，那么我每次 运行 网络时都应该得到相同的输出？然后我可以确定获得的任何改进都是参数更改的直接结果。
我查看了 this answer，其中推荐使用 NetworkWriter，但我认为这不是我真正想要的。
我原以为每次我 运行 都会有一些方法让网络播种相同，但也许我错了。
您可以通过传递一个权重值数组来初始化网络权重。这个答案最好地展示了这一点：
如果您希望权重具有 "consistent randomness"，您可以使用 random.seed() 创建权重向量数组。正确地实现这一点将生成每个种子值都相同的随机值。这将使您的网络具有一致的随机权重值。