Նկարագրեք, որ դուք աշխատում եք PyTorch մոդելով և այն eval() ռեժիմում փոխելուց հետո տեսնում եք, որ 10,000 օրինակներից բաղկացած ֆիքսված փորձնական հավաքածուի մետրիկաները փոփոխվում են յուրաքանչյուր գործարկում: Դուք ֆիքսում եք պատահական թվերի գեներատորների սկզբնական վիճակը՝ վերարտադրելիության համար. որտեղ էլ կարող է թաքնված լինել փոփոխությունների աղբյուրը: բացատրեք Dropout, BatchNorm և torch.no_grad() դերերը և անվանեք մետրիկաները, որոնց միջոցով դուք կստուգեք արդյունքների կայունությունը՝ սահմանային արժեքներով: