每次训练模型时都有不同的结果

Question

我创建了一个简单的Keras模型，该模型适合我创建的点，如下图所示。我的问题是，当我运行代码时，我不能总是得到这条红线（也许在5次运行的1次运行中，我得到了期望的结果。在其他4次运行中，我得到了一条直线）。我应该怎么做才能使模型始终合适？ 这与randomness

相关吗

model = models.Sequential()
model.add(layers.Dense(2,activation = 'linear'))
model.add(layers.Dense(2,activation = 'relu'))
model.add(layers.Dense(1,activation = 'linear'))

model.compile(loss='mse', optimizer=optimizers.Adam(lr=0.001))

history = model.fit(X,y, epochs=1500, verbose=False)
y_hat = model.predict(X)**strong text**

pyplot image

Answer 1

是的，网络的初始权重会随机初始化。为了获得可重现的结果，必须为随机数设置种子。权重的随机初始化基于该种子。因此，拥有相同的种子将始终导致相同的初始化。

取自https://machinelearningmastery.com/reproducible-results-neural-networks-keras/ 即：

from numpy.random import seed
seed(1)
from tensorflow import set_random_seed
set_random_seed(2)

种子值可以有任意数量的过程，但是必须是固定的。