tensorflow API：tf.set_random_seed同一随机种子不改变的设置

会话级种子

设置随机函数的seed参数，对应的变量可以跨session生成相同的随机数：

• 例子

tf.reset_default_graph()
a = tf.random_uniform([1], seed=1)
b = tf.random_normal([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'

结果：变量a跨会话生成的随机数相同，b则不同。

Session 1
[0.2390374]
[0.22267115]
[0.9374042]
[0.57995176]
Session 2
[0.2390374]
[0.22267115]
[-1.6857139]
[0.6809292]

图级种子

通过tf.set_random_seed设定种子数，后面定义的全部变量都可以跨会话生成相同的随机数。
* 例子：

tf.reset_default_graph()
tf.set_random_seed(1234)
a = tf.random_uniform(