我有一个用于语义分割的卷积神经网络，在带有 Tensorflow 后端的 Keras 中实现。该架构是编码器-解码器类型，在编码部分使用卷积层和最大池化，在解码部分使用反卷积层和上采样。要分开的两个类：感兴趣的对象和背景。最后一层有一个 sigmoid 激活，其余的是 Relu。在模型的“中间”有一个批量标准化层。损失函数是联合分数的交集。学习算法：随机梯度下降，学习率为 0.001，动量为 0.9。
我已经对模型进行了训练，它在分割任务上取得了很好的收敛效果。这里的麻烦是，作为神经网络的新手，我没有保存任何有关学习进度的数据：我需要在报告中包含损失值、准确性等的图表。因此，我尝试重新训练相同的网络（没有任何改变），但它（根本没有收敛）。
在这种情况下该怎么办？我没有为权重选择任何特定的初始化（据我了解并稍后检查，Keras 中的默认值是 glorot_uniform ），所以自然每次我运行它时，它们都会有所不同。有什么我可以做的吗？还是我只能靠机会来重现最初的结果？
非常感谢任何想法/建议/建议。谢谢 ！