Predstavte si, že pracujete s modelom v PyTorch a po jeho prepnutí do režimu hodnotenia eval() vidíte, že metriky na pevne stanovenom testovom súbore 10 000 príkladov sa pri každom spustení menia. Fixujete počiatočný stav generátorov náhodných čísel pre reprodukovateľnosť: kde ešte môže byť zdroj zmien skrytý? Vysvetlite úlohu Dropout, BatchNorm a torch.no_grad() a uveďte metriky s prahmi, podľa ktorých overíte stabilitu výsledkov.