rnn训练随机问题

问题来源：每次训练的结果都会有差别；每次训练调用ai_lstm_prob.py文档

解决方案1：

multi_layer_cell=tf.nn.rnn_cell.DropoutWrapper(multi_layer_cell,output_keep_prob=keep_prob,seed=1234)
训练结果仍然不同

解决方案2：

在训练文档(ai_lstm_prob.py)的开头处中加入
from numpy.random import seed
seed(1)
from tensorflow import set_random_seed
set_random_seed(2)
训练结果仍然不同；

结论：还存在其他的随机源，比如说GPU训练产生的随机性，如下解释：

使用GPU产生的随机性

以上所有示例都假设代码是在一个CPU上运行的。

这种情况也是有可能的，就是当使用GPU训练模型时，可能后端设置的是使用一套复杂的GPU库，这些库中有些可能会引入他们自己的随机源，你可能会或者不会考虑到这个。

例如，有证据显示如果你在堆栈中使用了 Nvidia cuDNN，这可能引入额外的随机源（ introduce additional sources of randomness），并且使结果不能准确再现