Fatal编程技术网
  • python/
  • Python tf.set_random_seed不'；似乎没有正确地播种

Python tf.set_random_seed不'；似乎没有正确地播种

python tensorflow random

Python tf.set_random_seed不'；似乎没有正确地播种,python,tensorflow,random,Python,Tensorflow,Random,我遇到了一个问题，在python上使用Tensorflow编程时，tf.set\u random\u seed无法生成可重复的值。具体来说, import tensorflow as tf sd = 1 tf.set_random_seed(seed = sd) tf.reset_default_graph() sess = tf.InteractiveSession() print(sess.run(tf.random_normal(shape=[1], mean=0, stddev=1))

我遇到了一个问题，在python上使用Tensorflow编程时，
tf.set\u random\u seed
无法生成可重复的值。具体来说,

import tensorflow as tf
sd = 1
tf.set_random_seed(seed = sd)

tf.reset_default_graph()
sess = tf.InteractiveSession()
print(sess.run(tf.random_normal(shape=[1], mean=0, stddev=1)))
上述代码输出
[1.3086201]
。然后我再次运行了整个代码，它没有输出预期的值
[1.3086201]
，而是给出了一个新的
[-2.1209881]

为什么会发生这种情况以及如何设置Tensorflow种子？

定义图形操作时，可以设置两种类型的种子：

  • 由
    tf.set\u random\u seed
    设置的图形级种子，以及
  • 放置在变量初始值设定项中的操作级种子
    • 然后，Tensorflow使用一组复杂的规则（参见文档）为依赖种子的操作生成唯一值。初始化变量后，可以使用图形级种子重新生成随机输出，但该变量的后续重新初始化通常会产生不同的值。

    在您的代码中，每次运行代码时都会重新初始化
    tf.random\u normal
    ，因此它是不同的

    如果希望
    tf.random\u normal
    生成相同的唯一序列，则无论重新初始化多少次，都应设置操作级别种子

    sess = tf.InteractiveSession()

print(sess.run(tf.random_normal(shape=[1], mean=0, stddev=1, seed=1))) 
# -0.8113182
print(sess.run(tf.random_normal(shape=[1], mean=0, stddev=1, seed=1)))
# -0.8113182
    尚
    tf.reset\u default\u graph（）的可能重复项
    清除操作中的手动随机种子