了解Keras / TF会导致不同体系结构的变化

Question

我一直在运行notebook，这会产生一个性能良好的模型。这是关于可以找到更多细节的Kaggle比赛here。

当我在AWS p2实例上运行相同的笔记本时，我总是得到最差的结果。当我在我的macbook上运行它时，我得到了可怕的结果。原始模型得分为0.922，我在ec2实例上大致得到0.91，在我的macbook上得到0.7-0.8。我想知道不同的设置会导致什么。我想到了：

• 种子不同，也有一些运气。
• 我们可能没有运行相同版本的不同软件包，因此代码运行实际上是不同的
• 我们有不同的GPU / CPU设置。我对如何影响训练没有很好的把握。

鉴于我在macbook上看到的巨大差异（即使0.012差异实际上非常大），我的猜测还有比不同播种更多的内容，甚至是稍微不同版本的软件包（我完全可以我的软件包上的日期）我期待CPU / GPU架构除了速度之外没有任何影响，但我可能错了。

相关信息：

评分

当proba高于0.2时，模型会产生转换为标签的预测概率，并且模型会根据预测的平均值F2 score进行评分。

模型

该模型是一个非常简单的CNN：https://github.com/EKami/planet-amazon-deforestation/blob/master/src/keras_helper.py#L32，笔记本中的相关代码是：

classifier = AmazonKerasClassifier()
classifier.add_conv_layer(img_resize)
classifier.add_flatten_layer()
classifier.add_ann_layer(len(y_map))