Desarrollo de Python
  1. Desarrollo de Python
  3. Tensorflow `set_random_seed` no funciona
Intereting Posts
¿Es posible dividir una red en varias GPU en tensorflow? sumndo todas las letras de una cadena hacia arriba por 1 Pregunta sobre la implementación del novato de Django – ImportError: no se pudo importar la configuración ‘configuración’ pySerial funciona bien en el intérprete de Python, pero no es independiente Redirigir el comando de impresión en el script de python a través de tqdm.write () Nombre no definido en anotación de tipo ¿Cómo puedo extraer palabras clave de una cadena de formato Python? Modificar o eliminar la etiqueta Exif ‘Orientación’ en Python Defina la fila del archivo CSV si la fila contiene una cadena específica Pandas en OpenShift v3 ¿Cómo se envía un marco Ethernet con un FCS corrupto? Creación de nuevas columnas en pandas.DataFrame usando la función apply () Python: ¿por qué `random.randint (a, b)` devuelve un rango que incluye a `b`? ¿Cómo agrego una cadena a otra en Python? ¿Cómo aplicar el ajuste lineal por tramos en Python?

Tensorflow `set_random_seed` no funciona

Llamar a tf.set_random_seed(SEED) no tiene ningún efecto que pueda decir …

Por ejemplo, ejecutar el código siguiente varias veces dentro de una notebook IPython produce una salida diferente cada vez: 

 import tensorflow as tf tf.set_random_seed(42) sess = tf.InteractiveSession() a = tf.constant([1, 2, 3, 4, 5]) tf.initialize_all_variables().run() a_shuf = tf.random_shuffle(a) print(a.eval()) print(a_shuf.eval()) sess.close()

Si configuro la semilla explícitamente: a_shuf = tf.random_shuffle(a, seed=42) , la salida es la misma después de cada ejecución. Pero, ¿por qué necesito establecer la semilla si ya llamo tf.set_random_seed(42) ?

El código equivalente que usa numpy simplemente funciona: 

 import numpy as np np.random.seed(42) a = [1,2,3,4,5] np.random.shuffle(a) print(a)

Eso solo establece la semilla aleatoria a nivel de gráfico. Si ejecuta este fragmento varias veces seguidas, el gráfico cambiará y dos declaraciones aleatorias obtendrán diferentes semillas de nivel de operación. Los detalles se describen en la cadena de documentos para set_random_seed

Para obtener a_shuf determinista puede:

  1. Llame a tf.reset_default_graph() entre invocaciones o
  2. Establezca la semilla de nivel de operación para el orden aleatorio: a_shuf = tf.random_shuffle(a, seed=42)