CNN模型evaluate多次结果不一致，设种子仍无效的解决咨询

一、排查数据加载环节的随机性 #

• 确保测试数据集加载时关闭shuffle，并且batch操作固定种子：

  test_ds = test_ds.batch(batch_size, seed=YOUR_FIXED_SEED)
  # 完整加载流程示例
  test_ds = tf.data.Dataset.from_tensor_slices((x_test, y_test))
  test_ds = test_ds.batch(32, seed=42).prefetch(tf.data.AUTOTUNE)
  

• 确认测试阶段禁用数据增强，如果训练时用了ImageDataGenerator，测试时仅保留归一化操作：

  test_datagen = ImageDataGenerator(rescale=1./255)  # 无其他增强参数
  

二、补全所有框架层面的随机种子设置 #

除已设置的种子外，补充以下代码（以TensorFlow为例）：

import random
import numpy as np
import tensorflow as tf

# Python全局种子
random.seed(42)
# NumPy种子
np.random.seed(42)
# TensorFlow全局种子
tf.random.set_seed(42)
# 强制GPU使用确定性算法（GPU环境下关键）
tf.config.experimental.enable_op_determinism()

三、检查模型推理时的参数设置 #

• 调用model.evaluate()时，不要设置training=True，默认training=False会自动关闭Dropout、BatchNormalization等训练时的随机操作：

  # 正确写法
  scores = model.evaluate(test_ds, verbose=1)
  # 错误写法（会导致测试阶段仍有随机性）
  # scores = model.evaluate(test_ds, training=True, verbose=1)
  

• 若自定义了模型层，检查是否存在推理阶段仍产生随机的逻辑，比如手动控制的Dropout开关。

四、验证模型权重的一致性 #

• 训练完成后立即保存固定权重，评估前加载该权重：

  # 训练后保存权重
  model.save_weights("cnn_fixed_weights.h5")
  # 评估前加载固定权重
  model.load_weights("cnn_fixed_weights.h5")
  scores = model.evaluate(test_ds)
  

内容的提问来源于stack exchange，提问作者Ashutosh Mohapatra