Модель Keras : не совпадают результаты

@mrPG · Регистрация: 23.08.2015

Студворк — интернет-сервис помощи студентам

Столкнулся с такой ситуацией. Есть два скрипта:
Скрипт №1 :
- компилирует модель и производит ее обучение
- сохраняет модель в файл

Code
1
model.save(model_filename)

- загружает тестовую выборку
- сохраняет результаты классификации в файл

Скрипт №2
- загружает сохраненную модель

Code
1
model = tf.keras.models.load_model(model_filename)

- загружает тестовую выборку
- сохраняет результаты классификации в файл

Результаты классификации №1 и №2 отличаются примерно на 10..15%, хотя тестовые выборки идентичны.
В случае повторного запуска скрипта №2 результат классификации не изменяется.

@URUSOFF · 06.11.2023, 22:31

В Keras, веса модели инициализируются случайным образом перед обучением. Это может привести к небольшим различиям в результатах при каждом запуске.

@mrPG · 06.11.2023, 23:34 **[ТС]**

Сообщение от URUSOFF

В Keras, веса модели инициализируются случайным образом перед обучением. Это может привести к небольшим различиям в результатах при каждом запуске.

Обучение производится один раз, после этого модель сохраняется на диск.
Соответственно, в скрипте №2 веса не пересчитываются, а загружаются с диска.

Подтверждением того, что при загрузке модели веса не изменяются, является повторяемость результатов классификации в скрипте №2.

Добавлено через 47 минут
Интересное замечание :
- если в Скрипте №1 после сохранения модели загрузить ее(для чистоты эксперимента с другим именем

) и выполнить повторную классификацию, то результаты полностью совпадают.

Получается, что
- при загрузке модели в том же скрипте результат одинаковый
- при загрузке в другом скрипте результат отличается от того, в котором сохраняли. НО всегда будет одинаковым, сколько бы раз модель не загружать(пробовал даже закрывать PyCharm).

Новые блоги и статьи Все статьи Все блоги /
Очистка реквизитов документа при копировании Maks 09.04.2026 Алгоритм из решения ниже применим как для типовых, так и для нетиповых документов на самых различных конфигурациях. Задача: при копировании документа очищать определенные реквизиты и табличную. . .	модель ЗдравоСохранения 8. Подготовка к разному выполнению заданий anaschu 08.04.2026 https:/ / github. com/ shumilovas/ med2. git main ветка * содержимое блока дэлэй из старой модели теперь внутри зайца новой модели 8ATzM_2aurI	Блокировка документа от изменений, если он открыт у другого пользователя Maks 08.04.2026 Алгоритм из решения ниже реализован на примере нетипового документа, разработанного в конфигурации КА2. Задача: запретить редактирование документа, если он открыт у другого пользователя. / / . . .	Система безопасности+живучести для сервера-слоя интернета (сети). Двойная привязка. Hrethgir 08.04.2026 Далее были размышления о системе безопасности. Сообщения с наклонным текстом - мои. А как нам будет можно проверить, что ссылка наша, а не подделана хулиганами, которая выбросит на другую ветку и. . .
Модель ЗдрввоСохранения 7: больше работников, больше ресурсов. anaschu 08.04.2026 работников и заданий может быть сколько угодно, но настроено всё так, что используется пока что только 20% kYBz3eJf3jQ	Дальние перспективы сервера - слоя сети с космологическим дизайном интефейса карты и логики. Hrethgir 07.04.2026 Дальнейшее ближайшее планирование вывело к размышлениям над дальними перспективами. И вот тут может быть даже будут нужны оценки специалистов, так как в дальних перспективах всё может очень сильно. . .	Горе от ума kumehtar 07.04.2026 Эта мне ментальная установка, что вот прямо сейчас, мол, мне для полного счастья не хватает (нужное вписать), и когда я этого достигну - тогда и полный кайф. Одна из самых сильных ловушек на пути. . . .	Использование значений реквизитов справочника в документе, с определенными условиями и правами Maks 07.04.2026 1. Контроль срока действия договора Алгоритм из решения ниже реализован на примере нетипового документа "ЗаявкаНаРаботу", разработанного в конфигурации КА2. Задача: уведомлять пользователя, если. . .

@URUSOFF Заблокирован
	06.11.2023, 22:31
	В Keras, веса модели инициализируются случайным образом перед обучением. Это может привести к небольшим различиям в результатах при каждом запуске. 0