在GPU/NPU设备下训练时，多次执行的结果可能不同。这个差异的来源，一般是因为在算子实现中，存在异步的多线程执行，会导致浮点数累加的顺序变化。NPU下可以开启确定性计算，保证多次执行结果相同，提高精度对比的准确性，但算子执行时间会变慢，导致性能下降，可根据实际情况选择是否开启。

session.run模式训练配置示例：
```
custom_op.parameter_map["deterministic"].i = 1
```
具体可参考《TF Adapter 接口（1.x）》的“session配置参数说明”章节。
estimator模式训练配置示例：
```
config = NPURunConfig(deterministic=1)
```
具体可参考《TF Adapter 接口（1.x）》的“NPURunConfig配置参数说明”章节。