影响生成结果的因素有很多，具体原因需要结合实际情况分析。以下是一些可能影响生成结果的因素：
1. 模型架构和参数：不同的模型架构和参数会影响生成结果的样式和质量。例如，不同的卷积层、池化层、归一化层等参数会对特征提取和图像生成产生影响。
2. 数据集：数据集的质量、多样性和规模都会影响生成结果的准确性。如果数据集不够大或者不够多样，模型可能无法泛化到新的图像，导致生成结果不佳。
3. 训练方法和超参数：不同的训练方法和超参数会影响模型的训练速度和效果。例如，学习率、批次大小、迭代次数等参数的设置会影响模型的收敛速度和效果。
4. 硬件设备：硬件设备的计算能力和内存大小会影响模型的训练速度和效果。例如，使用高性能的GPU可以加速模型的训练过程，提高生成结果的准确性。
5. 代码实现：代码实现的细节也会影响生成结果的准确性。例如，数据预处理和后处理的方法、损失函数的定义等都会影响模型的训练效果。
6. 随机性：深度学习模型中的随机性也会影响生成结果的准确性。例如，初始化权重的随机性、随机梯度下降的随机性等都会影响模型的训练效果。
因此，要获得准确的生成结果，需要综合考虑以上因素，并进行适当的调整和优化。

我就搞不懂，你都有一张图片了，为什么还要重新弄出一张出来？很多因素影响电脑系统硬件模型。设置参数，等等等等。还有随机数。