文章浏览阅读1.1k次，点赞2次，收藏7次。文章探讨了随机数在深度学习中的重要性，特别是如何通过设置torch.manualseed(3407)来提高模型的准确性并确保实验的可重复性。作者介绍了在PyTorch和MonAI框架中设定随机数的方法，以及随机种子对模型性能的影响和预处理对种子选择差异的影响。

关于测试随机生成器种子对计算机视觉中普遍存在的深度学习模型结果的影响。他提出以下问题： 随机种子的不同导致的模型效果分布是怎样的？ 是否有黑天鹅，即产生截然不同结果的种子？ 对较大数据集进行预训练是否可以减少由选择种子引起的差异性？

这是一篇探究随机种子对于模型最终结果影响的实验性文章，作者针对可能因随机数选择而导致的模型精度变化，设计了大量的实验。 在CIFAR10上，探究了 10^4 数量级的种子，同时也利用预训练模型在ImageNet这种大规模数据集上进行了探索。

摘要 随着智能时代来临以及金融数据分析需求提升,深度学习已经成为金融领域中的应用前沿,特别是在预测金融市场运动、处理文本信息、改进交易策略方面。 深度学习包含深度神经网络、深度信念网络等多种结构,通过分层结构提取深层特征,强化重要因素、过滤噪音,对提升预测准确率具有重要 ...

此外，深度学习算法在金融交易方面也发挥着重要作用。通过对市场数据、历史交易数据和其他相关信息进行建模和预测，深度学习算法可以帮助交易员做出更明智的交易决策，并提高交易策略的效果和收益。

然而，用于债券价格预测的深度学习实现的工作非常少。 在一项研究中，使用多种 ml 模型（包括 rf、ae 和 pca 网络以及 2-3-4 层 dfnn）预测债券超额回报。 （6）外汇价格预测. 外汇市场是世界上所有现有金融市场中交易量最高的。