模型權重不變Keras

Question

我正在嘗試在keras中創建具有隨機權重的神經網絡。 我正在使用模型的set_weights（）函數來分配隨機權重。 但是，無論權重如何，model.predict（）都會在特定輸入上提供相同的輸出。 每次運行程序時，輸出都會不同，但是程序運行時輸出是相同的。 這是代碼：

ConnectFourAI.py：

from keras.models import Sequential
from keras.layers import Dense
from minimax2 import ConnectFour
import numpy as np
from time import sleep
import itertools
import random
import time

def get_model():

    model = Sequential()
    model.add(Dense(630, input_dim=84, kernel_initializer='uniform', activation='relu'))
    model.add(Dense(630,kernel_initializer='normal', activation='relu'))
    model.add(Dense(7, kernel_initializer='normal', activation='relu'))
    model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
    return model

map = {
    'x':[1,0],
    ' ':[0,0],
    'o':[0,1]
}

model = get_model()

def get_AI_move(grid):
    global model
    inp = np.array(list(itertools.chain.from_iterable([map[t] for t in np.array(grid).reshape(42)]))).reshape(1,84)
    nnout = model.predict(inp)
    # print(list(nnout[0]))
    out = np.argmax(nnout)
    while grid[0][out] != " ":
        out = np.random.randint(7)
    print("out = %d"%out)
    return out

shapes = [(w.shape) for w in model.get_weights()]

print(list(model.get_weights()[0][0][0:5]))
def score_func(x, win):
        if win == "x":
            return 10000
        elif win == " ":
            return 2000
        else:
            return x**2




if __name__=="__main__":

    for i in range(100):
        weights = [np.random.randn(*s) for s in shapes]
        # print(list(weights[0][0][0:5]))
        model.set_weights(weights)
        print(list(model.get_weights()[0][0][0:5]))
        game = ConnectFour()
        game.start_new()
        rounds = game._round
        win = game._winner
        score = score_func(rounds, win)
        print("%dth game scored %.3f"%(i+1,score))

        seed = int(time.time()* 10**6)%(2**32)+1
        np.random.seed(seed)

要重新創建此錯誤，您需要一個額外的文件。 此文件中的所有內容都可以，但是對random的唯一調用始終提供相同的值。 這是文件 。

Answer 1

我不知道到底出了什么問題，但是我想出了一個解決方法。 顯然，隨機模塊中存在一些問題，由於從2個不同的文件中調用隨機模塊時，會發生此行為。 因此，我使用一個文件而不是兩個文件，並得到了預期的結果。