Immagina di lavorare con un modello in PyTorch e, dopo averlo impostato in modalità eval() vedi che le metriche su un set di test fisso di 10.000 esempi cambiano ad ogni esecuzione. Fissi lo stato iniziale dei generatori di numeri casuali per la riproducibilità: dove potrebbe essere nascosta un'altra fonte di variazioni? Spiega il ruolo di Dropout, BatchNorm e torch.no_grad() e nomina le metriche con soglie con cui verificherai la stabilità dei risultati.