【TensorFlow】确定性训练与随机数

努力努力在努力丶

已于 2022-03-23 11:49:43 修改

阅读量325

点赞数

分类专栏： AI 框架研发文章标签： tensorflow

于 2021-09-28 15:55:26 首次发布

本文链接：https://blog.csdn.net/qipeng_master/article/details/120530190

版权

AI 框架研发专栏收录该内容

2 篇文章

订阅专栏

本文详细解读了Tensorflow中tf.set_random_seed的用法，介绍了如何设置graph-level seeds和operation-level seeds以实现不同场景下的随机数生成一致性或可重复性。了解种子设置策略及其在跨session和操作级应用中的作用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

背景

随机种子

Tensorflow应用–tf.set_random_seed 的用法

TF的随机种子设置策略如下，参考python/framework/random_seed.py。

tf.set_random_seed()
 设置默认graph的graph-level random seed。

  依赖于random seed的Op实际上是从两个seed派生出来的：
  graph-level seeds 和 operation-level seeds。这里将设置graph-level seeds。

  它与operation_seeds的交互如下：
    1. 如果graph_seeds和operation_seeds都没有设置：
      此操作使用随机种子。
    2.如果设置了graph_seeds，但没有设置operation_seeds：
      系统确定性地选择一个operation_seeds和graph_seeds，以便它获得唯一的随机序列。
    3.如果没有设置graph_seeds，但是设置了operation_seeds：
      默认的graph_seeds和指定的operation_seeds用于确定随机序列。
    4. 如果graph_seeds和operation_seeds都设置了：
      两个seed结合使用来确定随机序列。
   
  要跨sessions生成不同的序列，请不要设置graph_seeds和operation_seeds；
  要跨sessions为操作生成相同的可重复序列，请设置operation_seeds；
  要使所有ops生成的随机序列在sessions中可重复，请设置graph_seeds；

tf.get_seed()
返回给定ops特定种子时ops应该使用的local seeds。

  给定特定于ops的种子 `op_seed`，这个辅助函数返回两个从graph_seeds和operation_seeds派生的种子。
  许多随机ops在内部使用这两个种子，以允许用户全局更改graph_seeds，或仅针对特定ops。