在下面的代码段中，张量占位符和Numpy结果有何不同？

代码段：

np.random.seed(101)
init =tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init)
    print(sess.run(x,feed_dict={x:np.random.uniform(0, 1, (1, no_of_features))}))
    print(np.random.uniform(0, 1, (1, no_of_features)))

结果如下：

[[0.5163986 0.57066756 0.02847423 0.17152166]]

[0.68527698 0.83389686 0.30696622 0.89361308]

---

每次调用

np.random.uniform（0，1，（1，没有任何特征））

时，我可以在两个语句中得到相同的结果。要么只调用它一次并保存它的结果（即，

a=np.random.uniform（0,1，（1，没有任何特性））；print（sess.run（x，feed_dict={x:a}））；print（a）

），要么在每次调用之前重置seed以获得始终相同的结果。这里，np.random.seed（101）在同一个随机函数的调用之间不处理以获得相同的结果？就像调用相同的随机函数n次一样？

np.random.seed

只会将随机数生成器初始化为特定状态。它确保你得到的结果是可重复的，例如，如果你做了

np.random.seed（101）；打印（np.random.rand（））；打印（np.random.rand（））；打印（np.random.rand（））

您将得到三个不同的数字，但每次运行时，它们始终是相同的三个不同的数字。谢谢You@jdehesa