Képzeld el, hogy egy PyTorch modelllel dolgozol, és miután eval() módba állítottad, azt látod, hogy a 10 000 példát tartalmazó fix tesztkészleten mért metrikák minden futásnál változnak. A reprodukálhatóság érdekében fixálod a véletlenszám-generátorok kezdeti állapotát: hol lehet még a változások forrása rejtve? Magyarázd el a Dropout, BatchNorm és torch.no_grad() szerepét, és nevezd meg azokat a metrikákat, amelyekkel a eredmények stabilitását ellenőrzöd majd a küszöbértékekkel.