Įsivaizduokite, kad dirbate su modeliu PyTorch ir po jo perjungimo į vertinimo režimą eval() matote, kad metrikos fiksuotame 10 000 pavyzdžių testų rinkinyje keičiasi kiekvieno paleidimo metu. Fiksuojate atsitiktinių skaičių generatorių pradinę būseną, kad būtų galima pakartoti: kur dar gali būti paslėpta pokyčių priežastis? Paaiškinkite Dropout, BatchNorm ir torch.no_grad() vaidmenį ir įvardinkite metrikas su slenksčiais, kuriais patikrinsite rezultatų stabilumą.