我在简单的数据集上建立了Keras序列模型。我可以训练模型，但是每次我尝试对相同的输入进行预测时，我得到的值都不一样。有人知道为什么吗？我在这里读了不同的Stackoverflow（Why the exactly identical keras model predict different results for the same input data in the same env，Keras saved model predicting different values on different session，different prediction after load a model in keras），但找不到答案。我尝试设置Tensorflow种子，但仍然得到不同的结果。

from pandas import concat
from pandas import DataFrame
# create sequence
length = 10
sequence = [i/float(length) for i in range(length)]
# create X/y pairs
df = DataFrame(sequence)
df = concat([df, df.shift(1)], axis=1)
df.dropna(inplace=True)
print(df)
# convert to LSTM friendly format
values = df.values
X, y = values[:, 0], values[:, 1]
X = X.reshape(len(X), 1, 1)
print(X.shape, y.shape)

输出为：

0    0
1  0.1  0.0
2  0.2  0.1
3  0.3  0.2
4  0.4  0.3
5  0.5  0.4
6  0.6  0.5
7  0.7  0.6
8  0.8  0.7
9  0.9  0.8
(9, 1, 1) (9,)

然后开始构建模型

#configure network
from tensorflow import keras
from keras.models import Sequential
from keras.layers import Dense
from keras.layers import LSTM
tf.random.set_seed(1337)

n_batch = len(X)
n_neurons = 10
#design network
model = Sequential()
model.add(LSTM(n_neurons, batch_input_shape=(n_batch, X.shape[1], X.shape[2]), stateful=True))
model.add(Dense(1))
model.compile(loss='mean_squared_error', optimizer='adam')
model.fit(X,y,epochs=2,batch_size=n_batch,verbose=1,shuffle=False)

现在，每次运行以下代码以获得预测结果时，都会得到不同的结果，如您所见
一个三个三个一个