Desarrollo de Python
  1. Desarrollo de Python
  3. Tensorflow `set_random_seed` no funciona
Intereting Posts
El canal de Paramiko se atasca cuando se lee salida grande ¿Python tiene variables “privadas” en las clases? Hacer un índice de matriz 1 en lugar de un índice 0 basado Instalando Python reindent Python simula un parche de una función dentro de otra función ¿Hay alguna manera de obtener la función que un decorador ha envuelto? Simular usuario haciendo clic en QSystemTrayIcon Filtrado en una unión izquierda en SQLalchemy ¿Cómo buscar una cadena sin distinción de mayúsculas y minúsculas sin expresiones regulares? ¿Cuál es el error cuando cierro el diálogo? Ordenar una lista de cadenas numéricas en orden ascendente Implementar una cola usando dos stacks de Python Compruebe si existe la clave e itere la matriz JSON utilizando Python El algoritmo de adivinación no parece funcionar, adivinando el número por Python Manera más rápida de transformar grupo con valor medio en Pandas.

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)