tensorflow - 神经网络对于相同的输入给出不同的输出

Question

NN 为相同输入输出不同值的潜在原因是什么？特别是当没有任何随机或随机过程时？

Answer 1

这是一个非常广泛和笼统的问题，甚至可能过于宽泛而无法在这里提出，但是关于神经网络，您应该了解以下几点:

他们是 不是 寻找一个完美最优解的方法。神经网络通常会学习给出的示例并“找出”一种预测结果的方法 还不错 .合理是相对的，对于某些模型可能意味着 50% 的成功，而对于其他模型，任何低于 99.9% 的都将被视为失败。

他们的结果非常依赖于训练的数据。数据的顺序很重要，在训练期间混洗数据通常是个好主意，但这可能会导致截然不同的结果。此外，数据质量也很重要——例如，如果训练数据与测试数据在性质上有很大不同。

神经网络在计算中的最佳类比当然是——大脑。即使拥有相同的信息和相同的基本生物学基础，我们都可以根据无穷无尽的其他变量对事物产生不同的看法。在某种程度上与计算机学习相同。

某些类型的神经网络使用 dropout层，专门设计用于在训练期间关闭网络的随机部分。这不应该影响最终的预测过程，因为对于预测，该层通常设置为允许网络的所有部分进行操作，但是如果您正在输入数据并告诉模型它正在“训练”而不是要求它进行预测，结果可能会有很大差异。

这一切的总和只是说:神经网络的训练 应该预期在类似的起始条件下会产生不同的结果 ，因此必须针对每种情况进行多次测试，以确定其中哪些部分是不可避免的，哪些部分不是。