Python Tensorflow`set\u random\u seed`不工作 调用tf.set\u random\u seed（seed）没有任何效果，我可以说。。。

例如，在IPython笔记本中多次运行下面的代码，每次都会产生不同的输出：

import tensorflow as tf
tf.set_random_seed(42)
sess = tf.InteractiveSession()
a = tf.constant([1, 2, 3, 4, 5])
tf.initialize_all_variables().run()
a_shuf = tf.random_shuffle(a)
print(a.eval())
print(a_shuf.eval())
sess.close()

如果我显式地设置种子：

a_shuf=tf.random\u shuffle（a，seed=42）

，每次运行后的输出都是相同的。但是如果我已经调用了

tf.set\u random\u seed（42）

，为什么我需要设置种子呢

---

使用numpy的等效代码只起作用：

import numpy as np
np.random.seed(42)
a = [1,2,3,4,5]
np.random.shuffle(a)
print(a)

---

这仅设置图形级别的随机种子。如果您在一行中多次执行此代码段，则图形将发生更改，两个shuffle语句将获得不同的操作级别种子。有关详细信息，请参见for

set\u random\u seed

要获得确定性的

a_shuf

，您可以

调用之间调用

tf.reset\u default\u graph（）

，或

设置洗牌的操作级别种子：

a\u shuf=tf.random\u shuffle（a，seed=42）

---

您的代码片段仅显示随机洗牌的一个计算。如何再次运行它以查看不同的结果？（如果我将您的代码片段复制到一个文件

seed.py

并反复运行

python seed.py

，我确实会得到相同的结果，并且

tf.set\u random\u seed（42）

按预期工作。）@mrry我将上面的代码放在IPython笔记本的一个单元格中。多次运行计算单元会产生不同的结果，即使我期望它是相同的……如果我运行

，这也很奇怪！python seed.py

在IPython笔记本中多次运行我会得到相同的结果，但是如果我多次运行

%run seed.py

我会得到不同的结果……这是因为每次运行%run seed.py时，您都会将ops附加到现有图中，请尝试打印[n.name for n in tf.get_default_graph（）.as_graph_def（）.node]查看您的graph@STJ这个问题是两年前提出的，获得了更多的选票。为什么它是复制品而不是相反？