Keywords: Keras,可复现,局部最优,reproduce,模型
接上回：上回初体验Keras训练一个实现与门逻辑的模型过程中遇到两个问题：
问题1: 训练出来的模型准确率有时候达不到100%？我们怎么去定位+解决这个问题？
问题2: 为什么每次训练的结果不一样呢？那么科学研究基本凭借的是缘分了？
第二个问题：
先看第二个问题把，其实Keras官方文档中已经给出了答案：
https://keras-cn.readthedocs.io/en/latest/for_beginners/FAQ/#keras_5
由于我们的模型初始化的weights是随机给予的，因此每次随机出来的weights不一样就会导致每次训练的出发点不一样，有时候运气好的时候可以得到全剧最优，有时候运气不好的时候则只能得到局部最优了。
如果需要得到可以复现的模型，训练前需要设定几个随机方法的种子（seed）
import os
os.environ["PYTHONHASHSEED"] = '0'
import random as rn
import tensorflow as tf
import keras.backend as K
np.random.seed(50)
rn.seed(12345)
session_conf = tf.ConfigProto(intra_op_parallelism_threads=1, inter_op_parallelism_threads=1)
tf.set_random_seed(1234)
sess = tf.Session(graph=tf.get_default_graph(), config=session_conf)
K.set_session(sess)
WARNING：下面只是对问题1的思考，目前还没有搞清楚，以后清楚了再来完善。
第一个问题:
暂时还没有理解透彻，目前所知的理解是模型比较简单，神经元比较小，因此训练的参数设置不当导致模型优化过程中落入局部最优解，并且跑不出来了。
目前还没有学会怎么去定位和解决这个问题，这次这个场景较为简单，仅仅是做一个与门逻辑，我们可以很容易的知道结果跟我们预期不符，应该能够百分百根据输入准确给出输出，那么下次呢，在一个复杂的问题面前，我们怎么去思考呢？
可以想象，可视化可能是帮助解决这个问题的一个很好的工具，先做一个简单的可视化：
参考 https://blog.csdn.net/u013381011/article/details/78911848
做了在模型训练完成后将训练过程中的准确度（acc）和损失（loss）直观的绘制成折线图，直观感受训练的进展。
主要就是引入了一个类用来记录每一个epoch训练完成时模型的状态，并且调用matplotlib进行绘制，类源码在博主原文中有，由于未经博主授权，这边就不贴了。
修改 Keras-Keras的初体验中的如下部分代码
# 实例化
history = LossHistory()
# 训练过程中接受callback
model.fit(data, labels, epochs=1000, batch_size=32, callback=[history], validation_split=0.1)
# 绘制
history.loss_plot("epoch")
通过在模型fit步骤前创建一个该类实例，并且使用callbacks参数将这个类传递给模型接受回调，并且在模型训练完成后调用该类的方法loss_plot(“epoch”)进行绘制，可以将模型训练过程中的部分情况直观查看。
acc能够达到100%的训练历史如下：
之前提到的acc无法达到100%的情况都训练历史如下：
