PyTorch'ta bir model üzerinde çalıştığınızı ve modeli eval() moduna aldıktan sonra 10.000 örnekten oluşan sabit bir test kümesinde metriklerin her çalıştırmada değiştiğini düşünün. Tekrar üretilebilirlik için rastgele sayı üreteçlerinin başlangıç durumunu sabitliyorsunuz: başka nerede değişikliklerin kaynağı gizlenmiş olabilir? Dropout, BatchNorm ve torch.no_grad() işlevlerinin rolünü açıklayın ve sonuçların istikrarını kontrol edeceğiniz eşiklerle birlikte metrikleri isimlendirin.