我正在使用tensorflow后端加载inceptionV3 keras net。加载保存的权重并将所有层的可训练标记设置为false后,我尝试拟合模型,并期望看到一切稳定。但验证损失随着每个时期的增加而增加(和准确率下降),而训练损失和准确率确实如预期的那样稳定。
有人能解释这种奇怪的行为吗?我认为它与批处理归一化层有关。
我使用Keras建立了递归神经网络。虽然我使用所有相同的配置(批量大小、节点、时期、种子值等),但在不同的计算机上得到不同的模型权重和误差值。我在我的代码中包含了以下几行代码,以便在每次运行时重新启动权重,但我无法解决这个问题。这个问题背后的原因是什么? model.reset_states() del model
谢谢