机器学习的差异结果

问题描述

我使用ML进行图像处理，以根据X射线胸部图像对covid-19患者进行分类。使用google colab和ResNet101模型，我想知道当多次运行（具有相同的参数，数据集和算法）时，准确性和损失的值是否可能不同。例如，当使用具有4折的ResNet101，image_size =（128、128），batch_size = 32，num_epochs = 80，learning_rate = 0.00001，layers.Dense = 256时，google colab第一次给出准确性和损失的值分别为91.07％和0.292。但第二次分别是90.36％和0.346。那么结果是否有可能不同呢？如果是这样，我如何将其最小化？如果没有，我该如何解决该问题？

解决方法

这是由于在训练循环中随机初始化的模型权重，数据采样顺序和数据扩充以及其他类型的随机性。为了重现结果而“修复”此问题的一种方法是设置所有随机种子（python，tf，cuda等）。