Iedomājieties, ka jūs strādājat ar modeli PyTorch un pēc tā pārslēgšanās uz novērtējuma režīmu eval() redzat, ka metrikas uz fiksēta 10 000 piemēru testu kopuma mainās katrā palaišanā. Jūs fiksējat nejaušo skaitļu ģeneratoru sākotnējo stāvokli, lai nodrošinātu atkārtojamību: kur vēl varētu būt slēpts izmaiņu avots? Izskaidrojiet Dropout, BatchNorm un torch.no_grad() lomu un nosauciet metrikas ar sliekšņiem, ar kuriem pārbaudīsiet rezultātu stabilitāti.