tensorflow解决gpu随机性问题，可复现

最近在准备小论文的实验，因为是做对比实验，但是由于存在随机性，在tensorflow框架中每次运行的结果都不一样，导致我改进的方法不知道是由于随机性造成的还是真的起到了作用，越来越怀疑，于是到处搜，怎么消除网络的随机性，终于在今天解决了这个问题，接下来可以放心调参了。

首先所有的初始化要设置随机种子，在网络训练最前面加上以下代码，消除参数初始化带来的随机性，如果你的程序中用到了dropout也是需要设置seed的。

以上是图级seed,我验证了每次sess.run还是会导致结果不一致，只是当前会话中运行是一致的，因此如果你的程序中用到了随机初始化权重，是需要设置一个操作级seed的，如下所示

tf.get_variable('weight', shape, tf.float32, initializer=tf.truncated_normal_initializer(mean=0,stddev=0.02,seed=1)

seed=1就是操作级的随机种子设置。

然而单单设置上面的，每次运行的结果还是不一样，于是又苦逼的搜了很久，有的地方看到是因为gpu也会带来随机性，于是带着这个关键字又去搜，终于我找到了一个非常有用的方法，在调用第三方库的地方加上以下代码，首先需要pip install tensorflow-determinism（支持 tensorflow1.14以上的版本）， 附上相关链接https://github.com/NVIDIA/framework-determinism

这样做就可以解决每次运行不一样的结果啦

就可以当一个快乐的调参侠