Machine learning 即使在keras中设置随机种子序列模型，也会得到不同的结果

有人能帮我理解为什么这个模型不能给出可重复的结果吗？每次运行它时，它都会更改我使用的测试集和其他验证集的精度值。我正在使用一个定义的种子。我不明白为什么会这样

以下是我的代码的一部分：

np.random.seed(7)

# Create the model
def create_model(neurons=190, init_mode='normal', activation='relu', inputDim=8040, dropout_rate=0.8,
                 learn_rate=0.001, momentum=0.7, weight_constraint=5): 
    model = Sequential()
    model.add(Dense(neurons, input_dim=inputDim, kernel_initializer=init_mode, activation=activation, kernel_constraint=maxnorm(weight_constraint), kernel_regularizer=regularizers.l2(0.002)))
    model.add(Dense(1, activation='sigmoid'))
    optimizer = RMSprop(lr=learn_rate)

    # compile model

    model.compile(loss='binary_crossentropy', optimizer='RmSprop', metrics=['accuracy'])

model = create_model()

seed = 7
# Define k-fold cross validation test harness

kfold = StratifiedKFold(n_splits=3, shuffle=True, random_state=seed)
cvscores = []
for train, test in kfold.split(X_train, Y_train):
    print("TRAIN:", train, "VALIDATION:", test)


# Fit the model

history = model.fit(X_train, Y_train, epochs=40, batch_size=50, validation_data=(X_test, Y_test), verbose=0)

---

我希望您能对此发表一些评论。

您的随机种子正在修复交叉验证分割，但没有修复模型权重初始化，您在设置关键字“init_mode=normal”时在

创建_model

中指定了该初始化

您可以在调用

create\u model

之前尝试设置RNG种子，但根据keras生成随机数的方式，您可能需要使用a来获得一致的结果

---

种子配置取决于其他几个因素，包括您使用的keras后端（Theano vs.TensorFlow）和您使用的python版本。有关更多详细信息，请参阅。

我不明白设置RNG种子是什么意思。顺便说一下，

random\u state

不是create model的函数或属性，因此我不知道如何在那里设置种子。使用该自定义初始值设定项，是否意味着我必须排除我的

init_mode='normal'

，以及您发送给我链接的keras文档所提供的那一个？我尝试过这样做：

从keras导入后端作为K def my_init（shape，dtype=None）：返回K.random_normal（shape，dtype=dtype，seed=7）def create_model（neurons=190，init_mode='normal'，activation='relu'，inputDim=8040，dropout_rate=0.8，learn_rate=0.001，momentum=0.7，weight_constraint=5）：model=Sequential（）model.add（密集型（神经元，input_dim=inputDim=inputDim，内核_初始值设定项=my_init，activation=activation，内核_constraint=maxnorm）（权重_constraint），kernel_regularizer=regularizers.l2（0.002））

但仍然返回不同的结果。我的观点是，即使在设置随机种子之前，我们也会绘制随机数。有关更多详细信息，请参阅我答案的更新。