如何获得keras

可重复的结果我得到不同的结果（测试精度）每次我任何keras进口之前运行从Keras框架（https://github.com/fchollet/keras/blob/master/examples/imdb_lstm.py）的代码包含在顶部np.random.seed(1337)的imdb_lstm.py例子时间。它应该防止它为每次运行生成不同的数字。我错过了什么？如何获得keras

UPDATE：如何瑞普：

安装Keras（http://keras.io/）
执行https://github.com/fchollet/keras/blob/master/examples/imdb_lstm.py几次。它将训练模型并输出测试精度。
预期结果：每次运行测试的准确性都是一样的。
实际结果：每次运行测试精度都不同。

UPDATE2：我运行它在Windows 8.1中使用MinGW/MSYS，模块版本：
theano 0.7.0
numpy的1.8.1
SciPy的0.14.0c1

UPDATE3：我收窄这个问题倒退了一点。如果我用GPU运行这个例子（设置theano flag device = gpu0），那么我每次都得到不同的测试精度，但是如果我在CPU上运行它，那么一切都按预期工作。我的显卡：NVIDIA GeForce GT 635）

来源

2015-09-06 Pavel Surmenok

我不能复制运行的代码在Ubuntu 14.04 –

'theano - > 0.6.0'，'numpy的 - >“1.9.2''，'SciPy的 - > '0.15.1' ' –

也许问题是，我使用Windows。 numpy.random.uniform工作正常，总是产生相同的结果。 –

Theano的documentation讨论了播种随机变量的困难，以及为什么它们使用自己的随机数生成器为每个图实例播种。

共享不同{{{RandomOp}}} 实例之间的随机数生成器使得难以无论在图表其他OPS的制造相同的流，并且保持{{{RandomOps}}}隔离。因此，图中的每个{{{RandomOp}}}实例将拥有其自己的随机数生成器。该随机数发生器是该函数的输入。在典型用法中，我们将使用函数输入（{{{value}}}，{{{update}}}}的新特性为每个{{{RandomOp}}}传递和更新rng 。通过传递RNG作为输入，可以使用访问函数输入的常规方法来访问每个{{{RandomOp}}}的rng。在这种方法中，没有预先存在的机制来处理整个图的组合随机数状态。因此，建议通过辅助功能提供遗漏的功能（后三个要求）：{{{seed，getstate， setstate}}}。

他们还提供examples关于如何播种所有的随机数发生器。

您也可以通过该对象的种子方法对由RandomMreams对象分配的所有随机变量进行种子播种。这个种子将是用于播种一个临时的随机数发生器，这又将为生成每个随机变量的种子。

>>> srng.seed(902340) # seeds rv_u and rv_n with different seeds each

来源

2015-09-21 03:45:27 PabTorre

但为了种子他们，我们需要访问keano将使用的theano的随机对象。是否可以通过keras API来完成？ – max

我同意与先前的评论，但重复的结果有时需要在相同的环境（例如，安装的软件包，机械特性等）。因此，我建议将您的环境复制到其他地方以防重复结果。尝试使用下一种技术之一：

Docker。如果你有一个Linux，这很容易将你的环境移到其他地方。您也可以尝试使用DockerHub。
Binder。这是一个复制科学实验的云平台。
Everware。这是另一个“可重用科学”的云平台。请参阅Github上的project repository。

来源

2016-04-27 11:44:02 Yelaman

我的问题是，当我运行两次训练时，即使在相同的环境下，我也无法获得可重现的结果。 –

我已经训练和测试了Sequential()种使用Keras的神经网络。我对噪音语音数据进行非线性回归。我用下面的代码来生成随机种子：

import numpy as np 
seed = 7 
np.random.seed(seed)

在同数据I训练每个时间和测试我得到的val_loss完全相同的结果。

来源

2016-07-14 10:17:14

你使用过GPU吗？什么后端：Theano或TensorFlow？ –

我用了Theano后端的CPU。 –

明白了。 CPU也适用于我。我只在GPU上运行时遇到问题。 –

我想补充一些以前的答案。如果您使用蟒蛇3和你想获得可重复的结果每次运行，你必须

集代码
给PYTHONHASHSEED = 0的开始numpy.random.seed作为参数传递给蟒编译器

来源

2016-08-15 06:57:53 Alex

不再有效。 – Dmitry

我终于用我的代码得到了可重现的结果。这是我在网络上看到的答案的组合。第一件事是做什么@alex说：

设置numpy.random.seed;
使用PYTHONHASHSEED=0为Python 3

然后，你必须致电Keras代码具有以下附加THEANO_FLAGS来解决@ user2805751关于cuDNN注意的问题：

dnn.conv.algo_bwd_filter=deterministic,dnn.conv.algo_bwd_data=deterministic

最后，你需要修补Theano安装按this comment，基本上在于：

将theano/sandbox/cuda/opt.py中的所有呼叫替换为*_dev20运营商的常规版本。

这应该会得到相同结果的相同种子。

请注意，可能会有放缓。我看到运行时间增加了大约10％。

来源

2016-10-20 10:05:08 kepler

如何获得keras

回答

相关问题