关于深度学习中 每次网络系训练完成后 loss或acc结果差异较大 预测结果差异也较大的情况

对于刚开始学习深度学习的人，可能都踩过这样的坑，即该次acc或loss与上次训练结果差距较大，或者说前面几次收敛了而本次没怎么收敛。造成这种结果的原因是什么呢？
了解cnn网络或者mlp的小伙伴都知道，权值在每次训练时初始值是随机给出的。由于随机性，导致了上面所说的结果。对此，我们有一下解决方案：
1.重复训练
即多次运行网络，然后运用统计方法学概括模型的性能并进行比较。
2.设置随机数字生成器的种子
A 如果使用的是keras框架 ，keras是从Numpy的随机生成器中获得随机元，因此，在代码的最上方添加如下代码

from numpy.random import seed
seed(1)

B 使用tensorflow作为深度学习的框架 ，tensorflow有自己的随机数生成器，该生成器也必须在Numpy随机生成器之后通过立马调用set_random_seed()函数来设置种子点。因此在代码最上方加如下语句：

from numpy.random import seed
seed(1)
from tensorflow import set_random_seed
set_random_seed(2)

对于方法1.重复训练，如果结果还是差异较大，那么就使用方法2吧，该方法每次结果肯定是不变的。

以上便是我个人的理解。如有不对的地方，欢迎指正！
参考：https://www.sohu.com/a/150686946_116235