所有模型去随机性

[guochaorong]

CE模型是从paddlepaddle models repo 陆续挪过来的一些模型。目前一共12个。
共3类

NLP	seq2seq, lstm, language_model, transformer, sequence_tagging_for_ner, text_classification
图像	mnsit, image_classification, resnet50, vgg16, object_detection
多机	vgg16_aws_dist

CE监测到一些模型的数据仍存在随机性，比如during指标 （时长）、memory指标，
还有不定期会有一些模型的acc(精确度) 过些天又震荡一下的情况。 现在整体情况：http://18.222.34.7/
比如：

#41
#42
http://18.222.34.7/commit/draw_scalar?task=mnist
http://18.222.34.7/commit/draw_scalar?task=image_classification
http://18.222.34.7:8080/viewLog.html?tab=buildLog&buildTypeId=Paddle_ContinuousEvaluation&buildId=828

需要每个方向的模型有一个owner。各自确定其模型的不稳定指标的阈值。
在这两周内消除所有不稳定指标的阈值报警。

[Superjomn]

这个建议让各个方向和模型作者参与到其中，作为 owner 去推动。

CE 的角色是帮助各个模型监测paddle 代码的稳定性，这个对每个方向都是很重要的，未来模型会越来越多，还是希望有更多人参与其中的。

[guochaorong]

@kuke @qingqing01 @typhoonzero 三个方向负责人看看吧~

[panyx0718]

看看能不能通过固定和调整一些参数来降低随机性

1. 固定输入的数据的顺序，适当缩小数据量（但不要太容易过拟合，不建议使用会收敛到99%的数据，无法发现收敛bug）。
2. 增大训练的batch数，使用固定的batch数，而不是固定的时间。

[Superjomn]

不太行，随机性很大，现在已经放松到比较大的状态，但偶尔还会挂。

[guochaorong]

恩恩， 有一些看着是已经没有随机性的模型，还存在挂的情况， 一是during mem这种随运行时指标的阈值的确定（上次yibing 对我们确定的指标有疑议）。 二是一些不应该波动的问题的调查。 这两种需要模型方向自己来确定。

对于还有随机种子不固定和输入随机的。 我们来消灭