Tensorflow函数

2022-02-16

设置图级随机种子。

依赖随机种子的操作实际上是从两个种子中获得的：图级种子和操作级种子。这将在图形级别设置种子。

它与操作级种子的交互如下：

1.如果没有设置图形层级和操作种子，则使用随机种子进行操作。

2.如果设置了图级种子，但没有设置操作种子：系统确定性地选择操作种子和图级种子，以获得唯一的随机序列。

3.如果未设置图级种子，但设置了操作种子：使用默认的图级种子和指定的操作种子来确定随机序列。

4.如果同时设置了图级种子和操作种子：两个种子一起使用以确定随机序列。

为了说明用户可见的效果，请考虑以下示例：

要跨会话生成不同的序列，既不设置图形级种子，也不设置操作级种子：

a = tf.random_uniform([1])
b = tf.random_normal([1])
print("Session 1")
with tf.Session() as sess1:
  print(sess1.run(a))  # generates 'A1'
  print(sess1.run(a))  # generates 'A2'
  print(sess1.run(b))  # generates 'B1'
  print(sess1.run(b))  # generates 'B2'
print("Session 2")
with tf.Session() as sess2:
  print(sess2.run(a))  # generates 'A3'
  print(sess2.run(a))  # generates 'A4'
  print(sess2.run(b))  # generates 'B3'
  print(sess2.run(b))  # generates 'B4'

要跨会话生成可操作的序列，请为操作设置种子：

a = tf.([1], 种子=1)

b = tf.([1])

# Repeatedly running this block with the same graph will generate the same
# sequence of values for 'a', but different sequences of values for 'b'.
print("Session 1")
with tf.Session() as sess1:
  print(sess1.run(a))  # generates 'A1'
  print(sess1.run(a))  # generates 'A2'
  print(sess1.run(b))  # generates 'B1'
  print(sess1.run(b))  # generates 'B2'
print("Session 2")
with tf.Session() as sess2:
  print(sess2.run(a))  # generates 'A1'
  print(sess2.run(a))  # generates 'A2'
  print(sess2.run(b))  # generates 'B3'
  print(sess2.run(b))  # generates 'B4'




为了使所有op产生的随机序列在会话之间是可重复的，请设置一个图级别的seed：

参数：

种子：.

分类：

技术要点：

相关文章：