【发布时间】：2019-03-12 09:59:35
【问题描述】：
我知道这似乎是一个普遍的问题，但它确实是一个始终如一的问题，我注意到很多人都在尝试解决它：是否有人对 Keras 模型的可重复性问题（Tensorflow 作为后端）有最终解决方案？
【问题讨论】：
标签： keras
【发布时间】：2019-03-12 09:59:35
【问题描述】：
您所说的再现性究竟是什么意思？你需要更具体。 按照设计，有许多随机部分用于训练深度学习模型。 权重随机初始化；反向传播算法本质上是随机的，就像我们总是做 SGD 一样；辍学又是随机的
尽管如此；深度学习模型以这些随机性问题为模，在运行中训练并给出一致的结果。您可以在标准数据集、MNIST 等上运行 Keras 示例，并且每次都获得相同的性能数字（以随机性为模）
简而言之；是的，结果肯定是可重现的，记住模型训练的随机性固有的微小差异
【讨论】：
-
是的，初始化器，Dropout，算法的那些随机部分应该给出不可重现的结果（没有固定种子）。问题在于，如果我们在算法的不同部分（在循环或其他结构中）连续创建多个模型，结果会显着偏离。我想 keras 并不打算用于我所说的那种情况。带着问题？我只是想知道是否有办法面对这样的问题。