Tensorflow tflearn预测模型精度不同的原因。当相同数据（培训数据）在不同系统上进行培训时？ 更新

我目前正在从事

Tflearn。

我有一个关于Tensorflow Tflearn模型的问题。我的tflearn模型运行良好。但是我对这个模型有一些疑问。我已通过

句子数据

进行培训。当我在一台计算机上传递句子数据时，我得到了一个模型。之后，我在另一台计算机上传递了相同的句子数据，然后得到了第二个模型。我已经测试了这两个模型。因此，我为一个模型传递了

输入句子数据。然后通过模型二的
相同输入句子数据
，然后我观察到
输入数据相同
，
训练数据相同
，但这两个模型的输出是70-80%相似的。20-30%因随机性而变化。如何消除模型中的这种随机性？我们正在使用DNN

更新的模型语法
我使用了以下模型：-
train\u x=list（自我培训[：，0]）

train_y=list（自我培训[：，1]）

tf.reset\u default\u graph（）

net=tflearn.input_数据（shape=[None，len（train_x[0]））

net=tflearn.完全连接（网络，8）

net=tflearn.完全连接（网络，8）

net=tflearn.完全连接（网络，len（列车y[0]），激活class='softmax'）

net=tflearn.regression（net，optimizer='sgd'，shuffle\u batches=False，
学习率=0.1，损失率=分类交叉熵）

model=tflearn.DNN（net，tensorboard\u dir='tflearn\u logs'）

model.fit（train\u x，train\u y，n\u epoch=500，batch\u size=8，show\u metric=True）
根据我的个人经验，在将训练数据转换为数组之前，您已经随机洗牌了训练数据。尝试在代码中搜索一个
random.shuffle（self.training）
，并注释该行。
在训练为随机权重之前，您是否初始化了模型？这将导致每次训练时出现不同的模型。@jmkma可能无法理解您。你能再描述一下吗？请参阅上面更新的问题。当您初始化模型（即，起始权重是多少）时，它们必须为非零。可以使用各种猜测（研究领域本身），但最简单、最标准的方法是只分配一个随机数。如果您运行两个单独的训练例程，并且每个例程以不同的随机数开始，您将看到最终模型中的变化。@jmkmay我们的模型从零开始初始化。我已将相同的数据传递给两个不同的机器型号。培训结束后，我们将相同的输入传递给两种不同的机器型号。一个模型在
相同的时期
和
相同的批量大小上进行了训练。
为什么模型输出不同（变化5-10%）？。如果没有一个模型，我们就无法提供太多帮助。