深度学习（keras tensorflow），不同输入数据每次运行结果不同

代码

  利用Deep-Residual-Shrinkage-Networks网络（Keras、GPU）建立分类模型，并加入五折交叉验证。为了使每次运行结果一致，我们在程序开头固定了随机种子：

from __future__ import print_function
##每次运行结果一致
SEED = 1
from numpy.random import seed
seed(SEED)
import tensorflow
tensorflow.random.set_seed(SEED)

import keras
import numpy as np
from keras.layers import Dense, Conv1D, BatchNormalization, Activation
from keras.layers import AveragePooling1D, Input, GlobalAveragePooling1D
from keras.optimizers import Adam
from keras.regularizers import l2
from keras import backend as K
from keras.models import Model
from keras.layers.core import Lambda
from keras.utils import plot_model
import time
import csv
import pandas as pd
from sklearn.model_selection import train_test_split
from collections import Counter
from keras.utils import np_utils
from sklearn.metrics import roc_curve, auc  ###计算roc和auc
import tensorflow as tf
import os
os.environ["CUDA_VISIBLE_DEVICES"] = '0'  # 设置GPU参数
config = tf.compat.v1.ConfigProto()
config.gpu_options.allow_growth = True  # allocate dynamically
sess = tf.compat.v1.Session(config=config)
import numpy
import numpy as np
from numpy import diff

  为了验证初始参数是否固定，建立模型后，我们查看了参数，发现不管输入原始数据还是预处理后数据，初始化参数是固定的：

model = Model(inputs=inputs, outputs=outputs)
model.compile(loss='binary_crossentropy', optimizer=Adam(), metrics=['accuracy'])
model.summary() # 通过model.summary()输出模型各层的参数状况
plot_model(model, to_file='model.png',show_shapes=True,show_layer_names=False,dpi=100)
weight_gru_1, bias_gru_1 = model.get_layer('conv1d_2').get_weights()

结果分析

  当输入原始数据后，每次运行结果一致，结果如下：

*Line 1-4为五折交叉验证结果的平均值；
*Line 5-28为每一折运行结果

  当对原始数据进行求导后（为使数据维度一致，末尾补领），再次输入，每次运行结果不一致，结果如下：

*Line 1-4为五折交叉验证结果的平均值；
*Line 5-28为每一折运行结果

问题

  运行时，代码没有改动，为何输入不同数据集后，每次运行结果不一样呢？
  我还采用了CPU运算，结果还是这样。