为什么预测模型的准确性是不同的。在不同系统上进行相同数据（培训数据）培训时？

Question

更新

我目前正在研究Tflearn.我对Tensorflow tflearn模型有一个问题。我的tflearn模型工作正常。但我对这个模型有一些疑问。我已通过sentence data进行培训。当我在一台计算机上通过sentence data时，我有一个模型。之后我在另一台计算机上通过了same sentence data，然后得到了第二个模型。我测试了这两个型号。所以我已经通过了input sentence data一个模型。然后通过模型二的same input sentence data然后我观察到input data were same和training data were same，但这两个模型的输出相似度为70-80％。 20-30％因随机性而异。如何在模型中删除此随机性？我们正在使用DNN。

更新了模型语法

我在模型下方使用过： -

train_x = list(self.training[:, 0])

train_y = list(self.training[:, 1])

tf.reset_default_graph()

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

net = tflearn.fully_connected(net, 8)

net = tflearn.fully_connected(net, 8)

net = tflearn.fully_connected(net, len(train_y[0]), activation='softmax')

net = tflearn.regression(net,optimizer='sgd',shuffle_batches=False, learning_rate=0.1,loss='categorical_crossentropy')

model = tflearn.DNN(net, tensorboard_dir='tflearn_logs')

model.fit(train_x, train_y, n_epoch=500, batch_size=8, show_metric=True)

Answer 1

根据我的亲身经历，在将训练数据转换为数组之前，您已经对其进行了随机混洗。尝试在代码中搜索random.shuffle(self.training)，然后注释该行。