NeuralNet nolearn的一致性测试结果

Question

我在nolearn库中使用NeuralNet类来完成分类任务。代码如下：

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) 

此代码将训练NeuralNet并在测试集上对其进行测试。但是当我多次运行时，每个都会给出不同的结果。那么，在给定参数，训练集和测试集的情况下，如何训练NeuralNet只给出一个结果呢？

Answer 1

在调用net0.fit（）之前，只需使用seed到随机数生成器。例如...

numpy.random.seed(123)