Результаты проверки целостности NeuralNet nolearn

Question

Я использую класс NeuralNet в библиотеке nolearn для выполнения задачи классификации. Вот код:

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) 

Этот код обучает NeuralNet и проверяет его на тестовом наборе. Но когда я запускаю несколько раз, каждый дает другой результат. Итак, как я могу обучать NeuralNet давать только один результат с учетом параметров, набора тренировок и тестирования?

Answer 1

Просто используйте генератор случайных чисел, прежде чем вызывать net0.fit(). Например, ...

numpy.random.seed(123)