გააზრეთ, რომ თქვენ მუშაობთ PyTorch მოდელთან და მას eval() რეჟიმში გადართვის შემდეგ ხედავთ, რომ 10,000 მაგალითის ფიქსირებულ ტესტ ნაკრებზე მეტრიკები ყოველ გაშვებაზე იცვლება. თქვენ ფიქსირებთ შემთხვევითობის გენერატორების საწყის მდგომარეობას გამეორებადობისთვის: სად შეიძლება იყოს ცვლილებების წყარო დამალული? ახსენით Dropout-ის, BatchNorm-ის და torch.no_grad()-ის როლი და დაასახელეთ მეტრიკები, რომლებიც შედეგების სტაბილურობის შემოწმებისთვის გამოიყენება, მათთან დაკავშირებული ზღვარი ნიშნულები.