文章目录

为什么不一样
如何使得他们一样

深度学习算法在开始训练的时候，都会对神经网络进行初始化，这个初始化是由随机数来确定的。我们如果使用同一个数据，同一个网络，同样的参数设置，由于随机初始化的不同，有可能会得到不一样的结果。其实深度学习就是这样设计的，其目的之一是为了获得一个泛化能力更强的结果来。如果想要每次的结果都一样，那么就需要设置随机数生成器。

为什么不一样

我们做个实验：

import numpy as np
from numpy.random import seed
print("不设置随机种子数，输出随机数")
for i in range(5):print(np.random.rand(1))print("设置随机种子数，输出随机数")
for j in range(5):seed(1234) # 这里的seed的值随便设置print(np.random.rand(1))

输出结果：

不设置seed随机数，生成的随机数每次都是随机的。设置了seed随机数后，生成的随机数都是一样的。如果在深度学习中，不设置seed随机数，就意味着深度学习的输入每次的输入是不一样的。那么在深度学习中常见的利用随机数有很多地方，比如权值初始化、Dropout的正则化的随机性、优化器的随机性等等。一般来说，机器学习提倡使用不同的随机数，因为这样能够提高结果的泛化能力，即效果更好。但是有时候我们需要给定随机性。

如何使得他们一样

其实一种比较简单但费时的方法就是进行多次训练，比如对某个数据进行100次学习，然后将结果进行汇总平均，得到的结果正常情况下是相同的。如果依然有较大差别的话，首先考虑模型是否合适，或者更换模型。再就是对产生的随机数进行100%固定，这样就可以得到相同的结果了。

使用不同的库，随机数的设置不同，主要有下面几个设置：

python设置随机数

import random
random.seed(1234)

numpy设置随机数

from numpy.random import seed
seed(1234)

tensorflow1设置随机数

import tensorflow as tf
tf.random.set_random_seed(1234)

tensorflow2版本下的tensorflow1设置随机数

import tensorflow as tf
tf.compat.v1.set_random_seed(1234)

tensorflow下的keras设置随机数

import tensorflow as tf
tf.keras.utils.set_random_seed(1234)

tensorflow2设置随机数

import tensorflow as tf
tf.random.set_seed(1234)

pytorch设置随机数

import torch
torch.manual_seed(1234)

深度学习每次结果不一样相关推荐

用深度学习每次得到的结果都不一样,怎么办?
http://www.sohu.com/a/150686946_116235 作者:崔静闯神经网络算法利用了随机性,比如初始化随机权重,因此用同样的数据训练同一个网络会得到不同的结果. 初学者可能会 ...
从2012年到现在深度学习领域标志成果
2006年,Hinton 发表了一篇论文<A Fast Learning Algorithm for Deep Belief Nets>,提出了降维和逐层预训练方法,该方法可成功运用于训练 ...
深度学习的分布式训练--数据并行和模型并行
<div class="htmledit_views"> 在深度学习这一领域经常涉及到模型的分布式训练(包括一机多GPU的情况).我自己在刚刚接触到一机多卡,或者分布式 ...
几何深度学习（Geometric Deep Learning）技术
几何深度学习(Geometric Deep Learning)技术几何深度学习综述从论文Geometric Deep Learning: Grids, Groups, Graphs, Geodes ...
基于NVIDIA GPUs的深度学习训练新优化
基于NVIDIA GPUs的深度学习训练新优化 New Optimizations To Accelerate Deep Learning Training on NVIDIA GPUs 不同行业采用 ...
深度学习Dropout技术分析
深度学习Dropout技术分析什么是Dropout? dropout是指在深度学习网络的训练过程中,对于神经网络单元,按照一定的概率将其暂时从网络中丢弃.注意是暂时,对于随机梯度下降来说,由于是随机 ...
深度学习调参体验（二）
深度学习调参体验(二) 激活函数选择: 常用的激活函数有relu.leaky-relu.sigmoid.tanh等.对于输出层,多分类任务选用softmax输出,二分类任务选用sigmoid输出,回归 ...
深度学习11个实用技巧
深度学习11个实用技巧深度学习工程师George Seif发表了一篇博文,总结了7个深度学习的技巧,本文增加了几个技巧,总结了11个深度学习的技巧,主要从提高深度学习模型的准确性和速度两个角度来分析 ...
深度学习模型训练过程
深度学习模型训练过程一．数据准备基本原则: 1)数据标注前的标签体系设定要合理 2)用于标注的数据集需要无偏.全面.尽可能均衡 3)标注过程要审核整理数据集 1)将各个标签的数据放于不同的文件夹 ...

深度学习每次结果不一样

文章目录

为什么不一样

如何使得他们一样

深度学习每次结果不一样相关推荐

最新文章

热门文章