Fatal编程技术网
  • tensorflow/
  • Tensorflow TF-在模型_fn中将全局_步骤传递给种子

Tensorflow TF-在模型_fn中将全局_步骤传递给种子

tensorflow

Tensorflow TF-在模型_fn中将全局_步骤传递给种子,tensorflow,tensorflow-estimator,Tensorflow,Tensorflow Estimator,在Tensorflow估计器API（tf.Estimator）中，是否有一种方法可以使用model\u fn中的当前会话来计算张量并将值传递给python？我希望根据global\u step的值有一个seed-in-dropout，但由于前者需要int，后者是一个张量 我看不到任何方法可以访问模型fn内的会话，以获取全局步骤的当前值 即使有可能，在每一步更改tf.nn.dropout的种子将在每一步使用不同的种子创建一个新的图形操作，这将使图形变得越来越大。即使没有tf.estimator，我

在Tensorflow估计器API（
tf.Estimator
）中，是否有一种方法可以使用
model\u fn
中的当前会话来计算张量并将值传递给python？我希望根据
global\u step
的值有一个seed-in-dropout，但由于前者需要
int
，后者是一个
张量
 我看不到任何方法可以访问
模型fn内的
会话
，以获取
全局步骤的当前值

即使有可能，在每一步更改
tf.nn.dropout
的种子将在每一步使用不同的种子创建一个新的图形操作，这将使图形变得越来越大。即使没有
tf.estimator
，我也不知道您如何实现这一点



我认为你想要的是确保你在两次跑步之间获得相同的随机性。在退出中设置带有或仅使用正常
种子的图形级随机种子应创建可复制的掩码序列。下面是一个代码示例：


x=tf.one（10）
y=tf.nn.辍学（x，0.5，种子=42）
sess1=tf.Session（）
y1=sess1.运行（y）
y2=sess1.运行（y）
sess2=tf.Session（）
y3=sess2.运行（y）
y4=sess2.运行（y）
断言（y1==y3）。所有（）#y1和y3都是相同的
断言（y2==y4）。所有（）#y2和y4都是相同的


答案提供了关于如何使图形随机性再现的更多细节