【tensorflow】结果可复现设置-随机种子设置(Random Seed)

LoveFishO

已于 2022-11-15 17:14:05 修改

阅读量5.1k

点赞数 6

分类专栏： Tensorflow 文章标签： tensorflow 深度学习 python

于 2022-11-07 10:15:15 首次发布

本文链接：https://blog.csdn.net/qq_39415941/article/details/127726094

版权

Tensorflow 专栏收录该内容

2 篇文章 0 订阅

订阅专栏

本文介绍如何在深度学习实验中固定随机种子以确保结果的可复现性。通过设置Python、NumPy及TensorFlow的随机种子，并利用tensorflow-determinism库确保GPU环境下结果的一致性。

摘要由CSDN通过智能技术生成

引言

在进行深度学习实验的时候，可能经常会发现，虽然输入的数据都是一样的，但是输出的结果总是会有不同的波动，这主要是由于在神经网络中，很多网络层参数的初始化会涉及到随机，这个就会导致最终的结果会有一些差距，因此如果我们想要固定某一个结果，并复现这个结果，我们就需要提前设置固定的随机种子

设置

一般来说，我们可以通过对每一层的网络层设置固定的随机种子，保持结果可复现，但是显然这是比较麻烦的一件事，所以我们可以通过 tf.random.set_seed() 来全局固定CPU上的随机性，但是当我们使用GPU训练时，则无法起作用，需要通过 tensorflow-determinism库来实现在GPU上固定随机性


# pip install tensorflow-determinism
# tensorflow-determinism = 0.3.0
# tensorflow = 2.9.1

import random
import numpy as np
import tensorflow as tf 

random_seed = 42 
random.seed(random_seed )  # set random seed for python
np.random.seed(random_seed )  # set random seed for numpy
tf.random.set_seed(random_seed )  # set random seed for tensorflow-cpu
os.environ['TF_DETERMINISTIC_OPS'] = '1' # set random seed for tensorflow-gpu