Keras神经网络重启内核后无法复现训练结果的问题排查

环境配置 #

• Python 3.11
• Keras 2.12.0
• CPU版TensorFlow 2.12.1

问题现象 #

在Jupyter Notebook中训练神经网络时，每次重启内核后重新拟合模型，训练结果都会出现差异；但不重启内核时重复执行训练流程，结果完全一致。

已尝试的无效措施 #

按照Keras官方文档及社区相关方案做了以下操作，但重启内核后仍无法复现结果：

• 给NumPy、TensorFlow、Python内置random模块均设置了固定随机种子
• 手动指定模型权重的初始化方式，确保初始权重一致
• 开启TensorFlow的操作确定性模式（tf.config.experimental.enable_op_determinism()）
• 确认数据加载逻辑、训练测试集划分完全无随机变动
• 验证每次重启内核后，模型初始权重均保持相同

最终解决方案 #

问题根源在于PYTHONHASHSEED的设置方式——必须将其配置为系统级环境变量，而非仅在代码内部通过os.environ['PYTHONHASHSEED']设置。

具体设置方式 #

• Windows系统：打开系统环境变量设置面板，新增PYTHONHASHSEED变量，将值设为任意固定整数（如42），保存后重启Jupyter Notebook
• Linux/macOS系统：启动Jupyter前先在终端执行export PYTHONHASHSEED=42，再启动Notebook；若需永久生效，可将该命令添加至.bashrc或.zshrc等shell配置文件中

完成上述设置后，每次重启Jupyter内核并重新训练模型，即可得到完全一致的训练结果。

内容的提问来源于stack exchange，提问作者Marco Pellizzari