为什么同一个数据集会得到不同的输出？

Question

此代码用于尝试预测加密货币的未来价格。当我向它提供数据时，它每次都会输出不同的东西。这是为什么？

Link 至完整代码：https://pastebin.com/cEfDCL8H

这段代码输出的内容似乎是随机的，我不明白为什么。

x,y = preprocess_df(test_df)

model = tf.keras.models.load_model('models/RNN_Final-15-0.972.model')

prediction = model.predict(x)

print("15 Min Prediction(0): " + str(CATEGORIES[np.argmax(prediction[0])]))

Answer 1

在神经网络初始化时，会分配随机权重。这会在最终输出中产生差异。为避免这种情况，您可以使用随机种子，以便每次应用相同的随机权重。

例如：您需要在所有需要的变量中设置种子，如 here:

所述

# Set a seed value
seed_value= 12321 
import os

# 1. Set `PYTHONHASHSEED` environment variable at a fixed value
os.environ['PYTHONHASHSEED']=str(seed_value)

# 2. Set `python` built-in pseudo-random generator at a fixed value
import random
random.seed(seed_value)

# 3. Set `numpy` pseudo-random generator at a fixed value
import numpy as np
np.random.seed(seed_value)

# 4. Set `tensorflow` pseudo-random generator at a fixed value
import tensorflow as tf
tf.set_random_seed(seed_value)

# 5. For layers that introduce randomness like dropout, make sure to set seed values 

model.add(Dropout(0.25, seed=seed_value))

为什么同一个数据集会得到不同的输出？

Why am I getting different outputs for the same dataset?

python

tensorflow

machine-learning

recurrent-neural-network