这里搞 AI 的多吗，问个问题

[zxCoder]

一篇论文的代码复现了但又没完全复现是可能啥情况啊。。。。。

一篇论文，用到了 pytroch，transformers 一些预训练模型，以及 apex 的半精度加速啥的，反正主要就这几个东西。

我甚至邮件找了作者，要到了他的 conda 环境

但是！前几天用这个环境，运行代码可以复现，今天起来发现，复现不了了？？？？？变成了完全不同的一个结果，而且这个结果又是稳定复现的。

试过了 conda 环境重新导入，重启机器，github 重新拉代码，清空预训练模型缓存啥的，死活就是不行。

我向来是不相信玄学的，但是环境和代码我是真的一点都没动过，也不会有其他人动(除非有个黑客专门潜入我的服务器搞事情？)

[Rheinmetal]

conda 不是严格可重复的吧 可能的影响因素太多了 需要更多信息

[zxCoder]

@Rheinmetal 服务器配置像 gpu 型号啊，显存，内存，cpu 这些都是一样的，实在想不出还能有什么影响因素了。
而且最怪的是曾经是对的。。。就比如前几天明明是结果是 90 90 90 90..... 某个时间点之后突然就 80 80 80...回不来了。。。

[FRankie222]

这类计算型的程序很可能出现这种问题，有一点点没想到的因素，就会引发蝴蝶效应，导致结果和原先的完全不同，建议再彻底过一下代码，看哪些地方可能发生了变化。

[swordspoet]

@Rheinmetal #1 conda 的环境可以复制，如果代码一样环境一样，结果应该是一样的。会不会是数据改变了？

[cheng123xp]

关于再现训练结果，Pytorch 有相关文档，可以试试
https://pytorch.org/docs/stable/notes/randomness.html

[rpman]

要 docker 还差不多
而且环境一样也阻止不了硬件对 randomness 的影响

[zxCoder]

@cheng123xp
@rpman

如果是随机性的问题，不应该每次都复现不了吗

[SkyGuardian]

先检查一下所有包的 seed 是不是都有固定值，这个一般是最主要的，也是理论上会导致结果不一样的。
玄学上可能会导致结果不一样的，bit flipping 。只要你用的 GPU 还有系统的内存有一个不支持 ECC，在运算的时候硬件被粒子打中，某一个 bit flipped 你也不知道是吧。如果是重要的 weight 被翻牌牌了，结果完全就不一样了呀。

[forgetlight]

首先确定 random seed 一致，有的会用系统时间或者读硬件作为 seed 初始化。很多 DL 的 seed 会对性能有影响。

[w468750]

先查 random seed 和各种配置，如果还能拿到标准模型，那就逐层对比检查输出结果，拿不到就固定好 seed 训练两个模型逐层对比

[Wolfsin]

虽然可能跟你的情况不一样，我之前也什么都没改，但是模型的结果就是跟以前的结果不一样，而且非常稳定怎么都变不回去。
最后翻了好几次代码，发现载入数据的顺序变了，改回去就又能复现了。

[c0xt30a]

猜测有软件包不小心升级过了

[SorryChen]

通常大部分发布的代码，都有设置 seed，比如在运行参数里 --seed xxxx 这样，如果没有也可以自己指定，你可以试试不同 seed 对性能影响是否很大，有很多模型是这样的，通常会选一个最好的在论文里面报，投机取巧。

```
random.seed(seed)
np.random.seed(seed)
torch.manual_seed(seed)
if torch.cuda.is_available():
torch.cuda.manual_seed_all(seed)

```

[ipwx]

ummm 我的看法是，如果不能复现但结果相似，那这篇论文就是很 solid 了。
----

如果不能复现并且结果变成了一坨 shit，那这就是水文。

[ipwx]

yysy 现在有些 AI 论文是固定 random seed 才能有相似的论文，community 偏偏还觉得这就叫“reproducible”。wqnmlgb，这叫灌水！

[Nimrod]

想起来之前有个同事反应过，conda 行为具有随机性。并不知道是不是相关 hh

[VZXXBACQ]

是不是 random seed 和局部最优的问题

random seed 是有默认值的，如果是默认值和时间相关就有可能出现你说的情况了。

[Liyiw]

有可能作者也复现不了，可能就挑的是最好的结果写在了论文上面

[leimao]

这就是不用 Docker 的结果。

[yuruizhe]

重新训练，还真不一定能收敛到一个结果；重新 load 原先的 weight 再测一测？