Tensorflow中的交互式会话-卷积运算符的不同输出

我是tensorflow的新手，在互动会话方面遇到了问题

在以下代码中：

import tensorflow as tf

def weight_variable(shape):
  initial = tf.random_uniform(shape, 0, 10, seed=1, dtype="int32")
  print("weights=\n",initial.eval())
  return tf.Variable(tf.to_float(initial))

def conv2d(x, W):
  return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')


# first dimension: Number of examples to train on, 2nd and 3rd: example width and height, 
# last one is: the number of channels 

x = tf.to_float(tf.Variable([[[[1],     [4],    [5],    [6],    [7]],  
                             [[10],   [11],   [22],    [9],    [8]],  
                             [[24],   [25],   [20],   [21],   [19]],  
                             [[14],   [12],   [13],    [3],   [18]],  
                             [[15],   [16],   [19],   [18],   [17]]]])) # 1 example of 5x5 one channel image


sess = tf.InteractiveSession()

# The first two dimensions are the patch size, the next is the number of input channels, 
# and the last is the number of output channels. 
W_conv1 = weight_variable([2, 2, 1, 1]) #[3,3,3,64]

conv = conv2d(x, W_conv1)


sess.run(tf.initialize_all_variables())

print(sess.run(conv))

sess.close()

当我评论这句话时：

print("weights=\n",initial.eval())

打印卷积

print（sess.run（conv））

时会得到不同的结果。我知道关键字eval与会话交互，但我的理解是，无论我是否使用它，它都不会改变输出

下面是我使用

initial.eval（）时得到的输出：

[[7]]

[[9]]]

[[3]]

[2]]][[156.][209.][278.][167.][79.]]

[389.][472.][337.][319.][179.]

[386.][332.][314.][254.][181.]

[293.][317.][262.][360.][171.]]

[143.][168.][163.][154.][17.]]

当我评论这句话时，我得到：

[95.][150.][173.][148.][73.]

[291.][390.][337.][236.][113.]

[459.][417.][374.][363.][187.]

[283.][287.][211.][271.][177.]

[249.][283.][295.][279.][119.]]

请注意，156变为95，其余为卷积输出
 这是因为种子对RNG的作用。在
tf.random\u uniform
中设置op级别种子为伪RNG提供了一个固定的起点，但并不意味着op的重复评估将产生相同的随机数。如果您签出并通过两次调用
eval（）
并打印输出的玩具示例，可以在文档中看到这一点：

In [2]: initial = tf.random_uniform((5,), 0, 10, seed=1, dtype="int32")
   ...: print("weights=\n",initial.eval())
   ...: print("weights=\n",initial.eval())
   ...: 
('weights=\n', array([7, 9, 3, 2, 7], dtype=int32))
('weights=\n', array([3, 5, 5, 4, 9], dtype=int32))

In [3]: initial = tf.random_uniform((5,), 0, 10, seed=1, dtype="int32")
   ...: print("weights=\n",initial.eval())
   ...: print("weights=\n",initial.eval())
   ...: 
('weights=\n', array([7, 9, 3, 2, 7], dtype=int32))
('weights=\n', array([3, 5, 5, 4, 9], dtype=int32))