每次我运行神经网络代码时结果都会改变

Question

通过运行此链接Neural Network – Predicting Values of Multiple Variables中提供的代码，我得到了结果。我能够计算损失的准确性等。 但是，每次运行此代码时，都会得到一个新结果。是否有可能获得相同（一致）的结果？

Answer 1

那里有很多随机数组。每次使用np.random.seed()获取相同的内容。例如：

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

每次运行此代码，您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，机器学习管道中的许多其他部分也使用随机化。例如：

• 使用train_test_split()划分训练，验证和测试数据集。
• 在神经网络中设置初始权重。
• 优化途径。

大多数ML函数都允许您将种子作为参数传递。看一下文档。根据您的工作以及所使用的库，您是否可以使整个管道具有可复制性。

您可能也喜欢this article或this one，希望通过Keras获得可重复的结果。

Answer 2

到处都有random.randint()的代码！此外，权重在大多数情况下也是随机设置的，并且batch_size对结果也有影响（尽管影响很小）。

1. Y_train，X_test，X_train是随机生成的
2. 使用adam作为优化程序，意味着您将执行随机梯度下降。以随机为起点进行迭代，以收敛。
3. batch_size为8表示您将运行由8个随机选定样本组成的批次。

解决方案：

1. 在代码中设置随机种子，以始终具有使用np.random.seed()生成的随机值
2. 尽管有很小的偏差，但不会产生太大的问题
3. 与2相同。

如果我找到一种解决batch_size / epoch问题的一致性采样方法的方法，我将编辑我的答案。