我不认为你可以。

假设一个 3 层的 NN 的准确率为 95.3%，另一个 4 层的 NN 的准确率为 95.4%。那么就不能保证 4 层 NN 就比 3 层 NN 好。由于使用不同的初始值，3 层 NN 可能会表现得更好。

您可以运行多次并概率性地说这更好，但这是计算密集型的。

神经网络有两种权重初始化方法： 1-零初始化 2-随机初始化

https://towardsdatascience.com/weight-initialization-techniques-in-neural-networks-26c649eb3b78

如果您在每个训练循环中选择零初始化方法，您可能会得到相同的结果，或者您可以根据您的问题使用迁移学习，它允许启动相同的参数。最后，作为最糟糕和最困难的选择，您可以编写自己的权重数组并提供图层。

你提到的问题是神经网络性能评估中最有趣的问题之一。您可以使用交叉验证方法来验证模型的准确性！它将给出更可靠的结果！

除了权重初始化之外，还有其他来源会导致不同的结果。例如辍学层。确保指定随机种子。此外，使用目录中的流读取数据，确保将 shuffle 设置为 False，或者如果不设置随机种子。如果您使用迁移学习，则使您的网络的那部分不可训练。一些网络中有 dropout，并且不提供设置随机种子的方法。如果您使用的是 GPU，则还有更多问题需要解决。