深度学习模型每次训练得到的结果一模一样是什么问题？

深度学习模型每次训练得到的结果一模一样可能表明模型存在过拟合的问题，即模型在训练数据上表现得很好，但在新数据上表现得不佳。

过拟合的主要原因是模型过于复杂，导致模型在训练数据上能够很好地拟合，但在新数据上无法泛化。如果每次训练得到的结果都是一样的，说明模型没有充分地学习到数据的潜在特征，而是记住了训练数据的具体细节，因此无法适应新的数据。

为了解决这个问题，可以尝试减小模型的复杂度，增加训练数据量，或者使用正则化技术来约束模型的参数。此外，还可以使用随机化技术，如随机初始化参数、随机打乱训练数据等，来增加模型的泛化能力。