Desarrollo de Python
  1. Desarrollo de Python
  3. Tensorflow `set_random_seed` no funciona
Intereting Posts
Conversión de la lista de tuple de 3 elementos al diccionario Búsqueda del triángulo de Python, operación aritmética dentro de la impresión Buscando valores en tupla anidada ¿Qué es el tipo de datos para el paquete de aprendizaje profundo de Python Keras? ¿Existe una herramienta de análisis estático para Python, Ruby, Sql, Cobol, Perl y PL / SQL? Contando intersecciones para todas las combinaciones en una lista de conjuntos Python: Sólo escribe la última línea de salida. Django populate () no es reentrante NingunoTipo de error self.widget.insert ¿Es Python 3.3 mejor que 2.7 para descodificar y volver a codificar texto web raspado a UTF-8? Como mucho mejor? ERROR virtualenvwrapper en GitBash Rotación de la lista de Python Python | ¿Por qué el acceso al atributo de instancia es más lento que el local? Cómo optimizar el tamaño de la imagen usando una varita en python Cómo cambiar los valores predeterminados en matplot lib y encontrar una lista específica de parámetros rc

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)