TensorFlow：关于种子的微妙之处

我想给我的随机数生成器添加种子。我可以执行以下操作，这很有效：

import tensorflow as tf

sess = tf.Session()

# Set seed at graph-level
tf.random.set_random_seed(1)
# Set seed at op level
a = tf.random_uniform([1], seed=1)

with tf.Session() as sess1:
    print(sess1.run(a))

以下方法也有效：

print(sess.run(tf.random_uniform([1], seed=1)))

但是，以下内容每次运行时都会生成不同的数字：

print(sess.run(a))

有关种子的信息：

1） 为什么后者不起作用

2） 为了使其工作，我可以做些什么，即不使用“with tf.Session（）as sess1:”？

tf.random_uniform（…，seed=1）

并不意味着始终生成相同的数字，而是在一个会话中多次执行时生成相同的数字序列。因此，以下内容将具有相同的行为：

sess = tf.Session()
a = tf.random_uniform([1], seed=1)
for _ in range(10):
    print(sess.run(a))

print('----------')

with tf.Session() as sess1:
    for _ in range(10):
        print(sess1.run(a))

---

为了在一个会话中始终生成相同的数字，我该怎么做？生成一个种子随机数并将其放入

tf.常量中如何？我对这个已经很陌生了。但我认为应该有一种方法可以用tensorflow来实现这一点。
a=tf.Variable（initial_value=tf.random_uniform（[1]））
这就是我能想到的。