16、深度学习模型训练与实验：从基础到实践

深度学习模型训练与实验：从基础到实践

在深度学习模型的训练过程中，我们常常会遇到各种问题，比如如何确保多次训练得到一致的结果，如何对训练好的模型进行评分，以及如何保存和加载模型等。本文将详细介绍这些方面的内容，并通过一系列实验展示如何优化模型的性能。

1. 多次训练获得相同结果

在深度学习模型的训练中，默认情况下，训练过程的某些方面（如网络节点的初始权重）是随机设置的。这就导致即使输入和参数设置相同，多次训练也可能得到不同的结果。为了进行重复的、可控的实验，以评估特定更改的效果，我们需要控制这种随机性。关键在于为随机数生成器设置一个固定的种子。

在模型训练笔记本的配置文件中，有一个名为 repeatable_run 的参数，用于控制是否为随机数生成器设置种子。示例配置如下：

test_parms:
   testproportion: 0.2 # proportion of data reserved for test set
   trainproportion: 0.8 # proportion of non-test data dedicated to training (vs. validation)
   current_experiment: 9
   repeatable_run: True 

在代码中，根据 repeatable_run 的值来决定是否设置种子：

if repeatable_run: