ケラスのランダムシードシーケンシャルモデルを設定しても、結果は異なります

Question

このモデルでは再現性のある結果が得られない理由を知りたい人はいらっしゃいますか？これは、私が使用するたびに、テストセットや他の検証セットの精度値を変更します。私は定義された種を使用しています。私はなぜそれが起こっているのか理解できません。以下は

は、私のコードの一部です：

np.random.seed(7) 

# Create the model 
def create_model(neurons=190, init_mode='normal', activation='relu', inputDim=8040, dropout_rate=0.8, 
       learn_rate=0.001, momentum=0.7, weight_constraint=5): 
    model = Sequential() 
    model.add(Dense(neurons, input_dim=inputDim, kernel_initializer=init_mode, activation=activation, kernel_constraint=maxnorm(weight_constraint), kernel_regularizer=regularizers.l2(0.002))) 
    model.add(Dense(1, activation='sigmoid')) 
    optimizer = RMSprop(lr=learn_rate) 

    # compile model 

    model.compile(loss='binary_crossentropy', optimizer='RmSprop', metrics=['accuracy']) 

model = create_model() 

seed = 7 
# Define k-fold cross validation test harness 

kfold = StratifiedKFold(n_splits=3, shuffle=True, random_state=seed) 
cvscores = [] 
for train, test in kfold.split(X_train, Y_train): 
    print("TRAIN:", train, "VALIDATION:", test) 


# Fit the model 

history = model.fit(X_train, Y_train, epochs=40, batch_size=50, validation_data=(X_test, Y_test), verbose=0) 

私はそれにいくつかのコメントをいただければ幸いです。

Answer 1

あなたのランダムシードは、クロスバリデーションの分割を修正していますが、キーワード "init_mode = normal"を設定するとcreate_modelで指定するモデルウェイトの初期化は修正されません。

create_modelを呼び出す前にRNGシードを設定することはできますが、ケラスが乱数を生成する方法によっては、一致結果を得るためにcustom initializerを使用する必要があります。

種の設定は、使用しているケラスバックエンド（Theano vs. TensorFlow）や使用しているPythonのバージョンなど、いくつかの要因によって異なります。詳細については、this github issueを参照してください。