每次训练keras模型后的结果都不一样

Question

我是机器学习的新手。我想建立一个用于面部识别的 keras 模型。我目前正在使用该模型：

model = Sequential()
model.add(Conv2D(32, (3, 3), padding='same',
             input_shape=x_train.shape[1:]))
model.add(Activation('relu'))
model.add(Conv2D(32, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))

model.add(Conv2D(64, (3, 3), padding='same'))
model.add(Activation('relu'))
model.add(Conv2D(64, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))

model.add(Flatten())
model.add(Dense(512))
model.add(Activation('relu'))
model.add(Dropout(0.5))
model.add(Dense(num_classes))
model.add(Activation('softmax'))

# initiate RMSprop optimizer
opt = keras.optimizers.rmsprop(lr=0.0001, decay=1e-6)

# Let's train the model using RMSprop
model.compile(loss='categorical_crossentropy',
          optimizer=opt,
           metrics=['accuracy'])

我用相同的数据和相同的参数训练，但是训练结果却大不相同。有100%的结果或28%的结果。 是什么造成了这种差异？

Answer 1

设置种子，训练模型时会解决问题。这将为您提供可重复性。

np.random.seed(10)
tf.set_random_seed(10)

还要确保训练和测试拆分也不会改变任何实例。因此，您也可以为数据拆分设置种子。