我有一个用于语义分割的卷积神经网络，在Keras中使用Tensorflow后端实现。该架构是编码器 - 解码器类型，在编码部分使用卷积层和最大池，在解码部分使用解卷积层和上采样。要分开的两个类：感兴趣的对象和背景。最后一层有一个sigmoid激活，其余的有Relu。在＆＃34;中间＆＃34;中有一个批量标准化层。该模型。损失函数是交叉点的联合分数。学习算法：随机梯度下降，学习率为0.001，动量为0.9。
我已经训练了模型，并且在分割任务上获得了很好的收敛性。这里的麻烦，作为神经网络的新手，我没有保存任何有关学习进度的数据：有损失值，准确性等的图表，我需要在报告中包含这些数据。因此，我试图重新训练同一个网络（没有改变），但它没有收敛（根本）。
在这种情况下该怎么办？我没有为权重选择任何特定的初始化（正如我所理解的，后来检查过，Keras中的默认值是glorot_uniform），所以每次运行它时，它们都会有所不同。有什么我可以做的吗？或者我是否有机会重现最初的结果？
任何想法/建议/建议都非常感谢。谢谢！