神经网络为相同的输入提供不同的输出答案

【问题标题】：Neural network gives different output for same input神经网络为相同的输入提供不同的输出
【发布时间】：2017-07-09 08:40:53
【问题描述】：

NN 为相同输入输出不同值的潜在原因是什么？尤其是在没有任何随机或随机过程的情况下？

【问题讨论】：

【解决方案1】：

这是一个非常广泛和普遍的问题，甚至可能过于广泛，甚至无法在这里讨论，但是您应该了解有关神经网络的几件事：

它们是不是寻找完美最优解的方法。神经网络通常会学习给定的示例，并“找出”一种合理地预测结果的方法。合理是相对的，对于某些模型可能意味着 50% 的成功，而对于其他模型，任何低于 99.9% 的都将被视为失败。
他们的结果非常依赖于训练的数据。数据的顺序很重要，在训练期间打乱数据通常是个好主意，但这可能会导致截然不同的结果。此外，数据的质量也很重要——例如，如果训练数据与测试数据在性质上大不相同。
计算中神经网络的最佳类比当然是大脑。即使拥有相同的信息和相同的基本生物学，我们都可以根据无穷无尽的其他变量对事物产生不同的看法。在某种程度上与计算机学习相同。
某些类型的神经网络使用dropout 层，专门设计用于在训练期间关闭网络的随机部分。这不应该影响最终的预测过程，因为对于预测，该层通常设置为允许网络的所有部分运行，但是如果您输入数据并告诉模型它正在“训练”而不是要求它进行预测，结果可能会有很大差异。

所有这些的总和只是说：神经网络的训练应该期望从相似的起始条件产生不同的结果，因此必须针对每个条件进行多次测试以确定什么部分是不可避免的，哪些部分不是。

【讨论】：

【解决方案2】：

这可能是由于数据的洗牌，如果你想使用相同的向量，你应该关闭洗牌参数。

【讨论】：