random tensor-随机生成种子操作(tf.set_random_seed(interger))

random seed操作其实分为两种：graph-level（图级）和op-level（操作级），随机数生成种子是在数据流图资源上运作的，接下来让我具体介绍它们。

第一种情况：要在Session中生成不同的序列，请既不设置图级别也不设置op级别种子：

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'

　　实验结果：

 

可以明显看出，无论是在同一个Session还是在不同的Session中，生成的序列都不同。

第二种情况：要为跨Session生成相同的可重复序列，请为op设置种子：

import tensorflow as tf

a = tf.random_uniform([1], seed=1)     #op-level 随机生成种子
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'

　实验结果：

 

明显可以看出在op-level级随机生成种子的操作后，同一个Session内生成不同的序列，跨Session生成相同的序列。

第三种情况：要使所有生成的随机序列在会话中可重复，就要设置图级别的种子：

import tensorflow as tf

tf.set_random_seed(1234)
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'

 

 

明显可以看出，跨Session生成的所有序列都是重复的，但是在档额Session里是不同的，这就是graph-level的随机生成种子。这tf.set_random_seed(interger)  中不同的interger没有什么不同，只是相同的interger每次生成的序列是固定的。

 

转载于:https://www.cnblogs.com/happy-sir/p/11530528.html