这段代码尝试预测加密货币的未来价格。每当我输入数据时，输出的结果每次都不一样。这是为什么呢？
完整代码链接：https://pastebin.com/cEfDCL8H
这段代码的输出看起来像是随机的，我无法弄清楚原因。
x,y = preprocess_df(test_df)model = tf.keras.models.load_model('models/RNN_Final-15-0.972.model')prediction = model.predict(x)print("15 Min Prediction(0): " + str(CATEGORIES[np.argmax(prediction[0])]))回答：
在神经网络初始化时，会随机分配权重。这会导致最终输出的差异。为了避免这种情况，你可以使用随机种子，这样每次都会应用相同的随机权重。
例如：你需要在所有需要的变量中设置种子，如这里所解释的：
# 设置一个种子值seed_value= 12321 import os# 1. 将`PYTHONHASHSEED`环境变量设置为固定值os.environ['PYTHONHASHSEED']=str(seed_value)# 2. 将`python`内置的伪随机生成器设置为固定值import randomrandom.seed(seed_value)# 3. 将`numpy`伪随机生成器设置为固定值import numpy as npnp.random.seed(seed_value)# 4. 将`tensorflow`伪随机生成器设置为固定值import tensorflow as tftf.set_random_seed(seed_value)# 5. 对于引入随机性的层（如dropout），确保设置种子值 model.add(Dropout(0.25, seed=seed_value))