Představte si, že pracujete s modelem v PyTorch a po jeho převedení do režimu hodnocení eval() vidíte, že metriky na pevně stanovené testovací sadě 10 000 příkladů se při každém spuštění mění. Fixujete počáteční stav generátorů náhodných čísel pro reprodukovatelnost: kde ještě může být zdroj změn skryt? Vysvětlete roli Dropout, BatchNorm a torch.no_grad() a pojmenujte metriky s prahy, podle nichž ověříte stabilitu výsledků.