在Tensorflow中，有没有办法在会话级别设置种子？

我试图在运行会话时获得可重复的结果，但希望在会话之间自由更改种子。 大概是这样的：

a = tf.random_uniform([1])

#Set seed here to e.g. 123
with tf.Session() as sess:
   print(sess.run(a)) #Output: A1
   print(sess.run(a)) #Output: A2

#Set seed here to e.g. 42
with tf.Session() as sess:
   print(sess.run(a)) #Output: A3
   print(sess.run(a)) #Output: A4

#Set seed here to e.g. 123
with tf.Session() as sess:
   print(sess.run(a)) #Output: A1
   print(sess.run(a)) #Output: A2

如果我理解了，该方法似乎在图形级别设置种子，因此会话之间的结果将是相同的。事实上，根据该页面，似乎只可能：

• 使运行不可复制
• 使单个操作可复制，不可能在会话之间更改（通过直接设置操作种子）
• 使所有操作可复制，不可能在会话之间更改（使用set_random_seed）

---

我无法找到任何方法来灵活地更改种子，而不必重新生成图形。任何正确解决方案的建议都将不胜感激

你试过操作级种子吗

tf.random.normal（…，seed=1））

没有在图形级别声明seed。@Sharky很遗憾，这会创建一个新操作。我想保持图形不变，因为在我的实际用例中，随机操作有很多依赖项，我不想重新连接到新的随机操作。那么，如果没有

reset\u default\u graph（）

恐怕您无法做到这一点，目前无法做到这一点。随机种子存储为op属性，创建op后不能更改。我已经发布了一些相关问题的答案和评论，如，和，以及一些关于随机数生成在TensorFlow中如何工作的信息，以防您发现它有用。不过，这可能会在TensorFlow 2.0中发生变化，请查看RFC。