Tensorflow 如何获取和设置随机状态（种子）

情景：我训练了一段时间，然后想将当前的训练状态准确地保存到磁盘，然后退出。然后我想以后继续训练。这应该是完全相同的行为，好像我不会离开

为了简单起见，假设我使用SGD，尽管存储更新程序状态（Adam等）也不是问题

但是，我不知道如何读取和存储随机状态。因此，当我下次重新创建图表和一个新会话时，它不会继续随机序列（或者我已经完成了，然后它会像第一次一样开始，或者它是随机的）

那么，如何读取随机状态呢？或者是一个随机种子，如果我稍后使用该种子初始化，它将继续使用相同的序列

---

如果这是不可能的，也许有其他随机发生器，我可以用呢？我发现了哪些似乎提供了这样的信息。在那里，我可以使用诸如：

tf.contrib.stateless.stateless_random_normal(..., seed=global_step * some_number)

---

你读了吗？这里似乎有很好的记录。作为评论而不是答案发布，因为我不是100%确定（可能在某个时候会改变），但很可能你无法做到这一点。就我所见，RNG状态最终封装在C++类中，它似乎无法提供读取其当前状态的方式。你可以给一张图和一个操作添加种子，但（我认为）不能从给定的点恢复RNG。@avigil是的，但这不能回答我的问题。@jdehesa有趣。可能通过使用那里的

跳过
功能？但是我真的不知道有什么可靠的方法可以得到要跳过的确切数字。@Albert是的，就是这样，成员var
counter\uu
持有跳过的数量，但看起来你无法得到它（你还必须从那里得到值，一直到Python或一些状态保存功能，ofc）。