Təsəvvür et ki, sən PyTorch-də model üzərində işləyirsən və onu eval() rejiminə keçirdikdən sonra 10,000 nümunədən ibarət sabit test dəstində metriklərin hər icrada dəyişdiyini görürsən. Təkrarlanabilirlik üçün təsadüfi ədədlər generatorlarının başlanğıc vəziyyətini təyin edirsən: başqa harada dəyişikliklərin mənbəyi gizli qala bilər? Dropout, BatchNorm və torch.no_grad() funksiyalarının rolunu izah et və nəticələrin stabilliyini yoxlamaq üçün istifadə edəcəyin metrikləri və keçid hədlərini qeyd et.