Python 为并行实例生成相同的随机tensorflow操作序列

我正试图为一个图像分割任务编写自己的数据生成器，以便更好地控制我可以应用的转换。首先，我正在编写一个玩具生成器，它使用tf.image.random_crop输出随机裁剪的图像：

import tensorflow as tf
import tensorflow.keras.preprocessing.image as k_img
import os
import numpy as np
import matplotlib
import matplotlib.pyplot as plt

%matplotlib inline

class DataGen:
    seed=1
    def __init__(self,seed=1):
        self.seed = seed

    def flow(self):
        #tf.random.set_seed(self.seed)
        img = np.asarray(k_img.load_img('data/train/images/all/image.png',color_mode='grayscale'))
        while(True):
            img_crop = tf.image.random_crop(img,(32,32),seed=self.seed)
                        yield img_crop

用例如下所示：

gen = DataGen(1234).flow()
gen2 = DataGen(1234).flow()
fig = plt.figure()
#gen
plt.subplot(2,2,1)
plt.imshow(next(gen))
plt.subplot(2,2,2)
plt.imshow(next(gen))
#gen2
plt.subplot(2,2,3)
plt.imshow(next(gen2))
plt.subplot(2,2,4)
plt.imshow(next(gen2))

所需的行为是图像1和3相同，图像2和4相同。但是，在此上下文中设置tf.image.random_crop中的种子并不能做到这一点——不会重复任何操作。设置tf.random.set_seed（注释掉）会强制执行一个可重复的序列，但它是全局的，而不是局部的

---

如何实现所需的行为？

您缺少一些代码，例如

将tensorflow导入为tf

和

gen=DataGen（1234）.flow（）

。你能添加你所有的代码以保证再现性，并确保它自己工作（当然，如果指定的路径上有图像的话）。@JayMody谢谢，我已经修复了它。