本文翻译并解读了《How to Get Reproducible Results with Keras》，探讨了深度学习算法在预测时由于随机性导致多次运行结果不一致的问题。解决方案包括重复实验和设置随机数生成器种子，特别是针对Theano和TensorFlow后端的种子设定。此外，还讨论了第三方库、GPU使用和复杂模型带来的额外随机性。
Paper：《How to Get Reproducible Results with Keras如何获得可重复的结果—探究采用神经网络算法随机性—多次运行结果不一致的问题》的翻译与解读
目录
理解和探究采用深度学习算法预测时导致每次运行结果不一致的问题
《How to Get Reproducible Results with Keras》的解读与翻译
Why do I Get Different Results Every Time? 为什么每次都有不同的结果？
Demonstration of Different Results 不同结果的演示
Solution #1: Repeat Your Experiment 解决方案一:重复你的实验
Solution #2: Seed the Random Number Generator 解决方案2:种子随机数生成器
Seed Random Numbers with the Theano Backend 种子随机数与Theano后端
Seed Random Numbers with the TensorFlow Backend 种子随机数与TensorFlow后端
What if I Am Still Getting Different Results? 如果我仍然得到不同的结果呢?
Randomness from a Third-Party Library 来自第三方库的随机性
Randomness from Using the GPU 使用GPU的随机性
Randomness from a Sophisticated Model 来自复杂模型的随机性
相关文章
Python语言之随机：三种随机函数random.seed()、numpy.random.seed()、set_random_seed()及random_normal的简介、使用方法之详细攻略
DL：理解和探究采用深度学习算法预测时导致多次运行结果不一致的问题
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
