Python 3.x 每次运行神经网络代码时，结果都会发生变化

我通过运行此链接中提供的代码获得了结果。我能够准确地计算损失等。

---

但是，每次运行此代码时，都会得到一个新结果。有可能得到相同的（一致的）结果吗

里面有很多随机数组。每次都使用相同的。例如：

np.random.seed(42)
for _ in range(3):    
    print(np.random.random(3))

每次运行此代码时，都会得到相同的结果。在我的机器上：

[0.37454012 0.95071431 0.73199394]
[0.59865848 0.15601864 0.15599452]
[0.05808361 0.86617615 0.60111501]

请注意，机器学习管道的许多其他部分也使用随机化。例如：

np.random.seed(42)
for _ in range(3):    
    print(np.random.random(3))

• 将数据分为训练数据集、验证数据集和测试数据集
• 在神经网络中设置初始权重
• 优化路径

大多数ML函数允许您将种子作为参数传递。请查看文档。取决于您正在做什么，以及您正在使用的库，您可能无法使整个管道重现

---

您可能还喜欢或关于使用Keras获得可复制的结果。

代码中到处都是

random.randint（）

！此外，权重在大多数情况下也是随机设置的，批次大小对结果也有影响（尽管影响很小）

Y_序列、X_测试、X_序列是随机生成的

使用

adam

作为优化器，意味着您将执行随机梯度下降。以随机的迭代开始点收敛

批次大小为8意味着您将运行由8个随机选择的样本组成的批次

解决方案：

在代码中设置一个随机种子，使其始终具有使用

np.random.seed（）生成的随机值

虽然存在微小偏差，但不会产生太多问题

与2相同

---

如果我找到了一种方法来为

批量大小

/

历元

问题提供一致的抽样方法，我将编辑我的答案

嘿，谢谢你的回复。。首先，我很抱歉，我张贴了参考代码，没有提供完整的信息。实际上，我使用自己的数据对参考代码做了一些修改，这些数据不是随机的。X_列、y_列、X_测试、y_测试都是从另一个源生成的。尽管使用了我自己的数据，但每次我都会得到不同的结果。@MitraLanka好的，我更新了我的答案，使之更为笼统。感谢提供链接。我已经使用了这些命令。现在，结果是稳定的。别忘了给你认为有用的东西投票！嘿，谢谢你的回复。。首先，我很抱歉，我张贴了参考代码，没有提供完整的信息。实际上，我使用自己的数据对参考代码做了一些修改，这些数据不是随机的。X_列、y_列、X_测试、y_测试都是从另一个源生成的。尽管使用了我自己的数据，但每次我都会得到不同的结果。请仔细阅读我的评论，因为它与您放置其他评论的位置不同。对此我深表歉意！我试图理解你的解释，但无法理解。为了有抽样方法，我是否必须实现批量大小和历元数的不同组合？问题是，批量大小和历元数是使用随机抽样技术生成的，这可能会影响整体性能。在这里你可以找到更多的信息：谢谢你的解释和链接