如何在python中修复rondom生成器?每当我运行我的CNN,我都会得到不同的结果
我正在尝试训练和测试CNN分类模型,每次我在测试中运行代码,我都会得到不同的准确度结果 我怎样才能每次都得到相同的结果?对于这个问题,python TensorFlow中是否有任何可能的解决方案 试试这个:如何在python中修复rondom生成器?每当我运行我的CNN,我都会得到不同的结果,python,tensorflow,anaconda,cnn,Python,Tensorflow,Anaconda,Cnn,我正在尝试训练和测试CNN分类模型,每次我在测试中运行代码,我都会得到不同的准确度结果 我怎样才能每次都得到相同的结果?对于这个问题,python TensorFlow中是否有任何可能的解决方案 试试这个: import numpy as np import tensorflow as tf np.random.seed(1) tf.set_random_seed(1) 设置种子的值并不重要,只要保持固定即可 确保您还修复了任何第三方库的种子。随机性也可能由GPU库引起,如果您不使用GPU,请
import numpy as np
import tensorflow as tf
np.random.seed(1)
tf.set_random_seed(1)
设置种子的值并不重要,只要保持固定即可
确保您还修复了任何第三方库的种子。随机性也可能由GPU库引起,如果您不使用GPU,请不要担心
编辑:假设您使用TensorFlow作为后端。对于PyTorch(适用于CPU和GPU btw),请使用:
试试这个:
import numpy as np
import tensorflow as tf
np.random.seed(1)
tf.set_random_seed(1)
设置种子的值并不重要,只要保持固定即可
确保您还修复了任何第三方库的种子。随机性也可能由GPU库引起,如果您不使用GPU,请不要担心
编辑:假设您使用TensorFlow作为后端。对于PyTorch(适用于CPU和GPU btw),请使用:
欢迎使用Stack Overflow,您能提供导致问题的代码示例吗?可能是
np.random.seed(0)
在文件开头。但是如果没有代码,我们很难猜测。这个模型是使用辍学还是图像增强?有什么不同?培训DNN不是一个确定的过程,因此始终会涉及一些随机性。欢迎使用堆栈溢出,您能否提供导致问题的代码示例?可能是np.random.seed(0)
,在文件开头。但是如果没有代码,我们很难猜测。这个模型是使用辍学还是图像增强?有什么不同?训练DNN不是一个确定的过程,因此总是涉及一些随机性。