0

我在 nolearn 库中使用 NeuralNet 类来执行分类任务。这是代码：

layers0 = [('input', InputLayer),
           ('hidden', DenseLayer),
           ('output', DenseLayer)]

net0 = NeuralNet(layers=layers0,
                 input_shape=(None, 7),
                 hidden_num_units=7,
                 output_num_units=6,
                 output_nonlinearity=softmax,
                 update=nesterov_momentum,
                 update_learning_rate=0.1,
                 update_momentum=0.2,
                 train_split=TrainSplit(eval_size=0),
                 verbose=0,
                 max_epochs=200)
                 net0.fit(X, y)

predict = net0.predict(X_test)
print confusion_matrix(ids, predict)
print "accuracy: ", accuracy_score(ids, predict)

此代码训练 NeuralNet 并在测试集上对其进行测试。但是当我多次运行时，每次都会给出不同的结果。那么在给定参数、训练集和测试集的情况下，如何训练 NeuralNet 只给出一个结果呢？

4

1 回答 1

0

在调用 net0.fit() 之前，只需使用种子生成随机数。例如...

numpy.random.seed(123)
于 2016-04-29T04:41:56.057 回答