如何在 Keras 中确保开发过程结果可复现？

本文共计491个文字，预计阅读时间需要2分钟。

在模型开发过程中，可望在一次运行中获得可重现的结果，以确定性能的变化是源于模型本身还是数据集的变动，或是新随机样本点带来的影响，这往往很有用。

  在模型的开发过程中，能够在一次次的运行中获得可复现的结果，以确定性能的变化是来自模型还是数据集的变化，或者仅仅是一些新的随机样本点带来的结果，有时候是很有用处的。下面的代码片段提供了一个如何获得可复现结果的例子 – 针对 Python 3 环境的 TensorFlow 后端。

import numpy as np
import tensorflow as tf
import random as rn

# 以下是 Python 3.2.3 以上所必需的，
# 为了使某些基于散列的操作可复现。
# docs.python.org/3.4/using/cmdline.html#envvar-PYTHONHASHSEED
# github.com/keras-team/keras/issues/2280#issuecomment-306959926

import os
os.environ['PYTHONHASHSEED'] = '0'

# 以下是 Numpy 在一个明确的初始状态生成固定随机数字所必需的。

np.random.seed(42)

# 以下是 Python 在一个明确的初始状态生成固定随机数字所必需的。