Hacktoberfest 2026: le issue che i maintainer hanno segnato per ottobre, aperte e adatte ai principianti. Sfoglia le issue Hacktoberfest

Make model in tute 02 reproducible

Aperta
#11 0 commenti 0 reazioni 0 assegnatari Vedi su GitHub

I maintainer di solito rispondono entro 1 giorno

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
3/5
Tempo stimato
1-2 giorni
Idoneità per principianti
42/100
Tipo di issue
Bug
Chiarezza
Abbastanza chiara
Stato di attività
Ferma
Stack tecnologico
julia

Direzione di ricerca

Apri tute 02 ed esegui ripetutamente il modello per riprodurre lo zero occasionale in misclassification_rate. Traccia come viene creato il Flux dropout model e come viene gestita la casualità; il lavoro è completato quando il tutorial utilizza un modello riproducibile il cui risultato non varia in modo imprevisto tra un'esecuzione e l'altra.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

@roland-KA has notices that misclassification_rate is occassionially zero, which might confuse some users. Perhaps consider a reproducible model (this one uses Flux dropout which cannot be passed an RNG at time of writing).

Lingua principale
Julia
Stelle
28
Fork
2
Merge medio
3h
PR unite (30g)
8

Preparare l'ambiente

Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di JuliaAI/MLJTutorial.jl

Tutte le issue di JuliaAI/MLJTutorial.jl

Issue simili

Altre issue su Julia

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.