Tensorflow2中的Gloabl种子和操作种子

在TensorFlow中，全局种子和操作种子的区别是什么

根据

在解释全球种子时，他们提到了这一点

如果设置了全局种子，但未设置操作种子，则得到 对随机op的每次调用都有不同的结果，但相同 程序每次重新运行的顺序：

在解释“种子行动”时，他们再次声明，类似的事情

如果设置了操作种子，则每次调用都会得到不同的结果 到随机op，但每次重新运行 节目：

两者之间的主要区别是什么…以及它们如何在直观的层面上运作

---

谢谢。

这里很好地描述了这些区别：

简而言之，

tf.random.set_seed

或

tf.set_random_seed

将保证所有操作都会在会话中产生可重复的结果。它将为每个操作确定设置操作种子

设置操作种子仅作为操作定义

tf.random_uniform（[1]，seed=1）

的一部分才有意义，并且还会导致此op跨会话生成相同的序列

有什么区别

• 图形种子使所有操作重复确定。如果要修复所有操作，请使用它。不同的ops仍将产生不同的序列（但在会话中重复）
• 操作种子使单个操作具有确定性。您可以创建两个将生成相同序列的操作

---

以下是对差异的良好描述：

简而言之，

tf.random.set_seed

或

tf.set_random_seed

将保证所有操作都会在会话中产生可重复的结果。它将为每个操作确定设置操作种子

设置操作种子仅作为操作定义

tf.random_uniform（[1]，seed=1）

的一部分才有意义，并且还会导致此op跨会话生成相同的序列

有什么区别

• 图形种子使所有操作重复确定。如果要修复所有操作，请使用它。不同的ops仍将产生不同的序列（但在会话中重复）
• 操作种子使单个操作具有确定性。您可以创建两个将生成相同序列的操作