Desarrollo de Python
  1. Desarrollo de Python
  3. ¿Qué semillas deben establecerse en el lugar para obtener una reproducibilidad del 100% de los resultados de entrenamiento en tensorflow?
Intereting Posts
¿Cómo funciona collections.defaultdict? ¿Cómo limitar la velocidad de descarga de solicitudes HTTP en la biblioteca python de solicitudes? ¿Cómo agregar porcentajes en la parte superior de las barras en el mar? Suma acumulativa en ejecución de 1D NumPy Array django.core.exceptions.ImproperlyConfigured: Se solicitó la configuración de CACHES, pero la configuración no está establecida. Usted debe definir la variable de entorno Python @property decorator no funciona Controlando las tabs de Firefox en selenium etiquetado personalizado con nltk Analizar fecha francesa en python Etiquetas de marca de eje superpuestas en gráficos logarítmicos Distancias euclidianas (python3, sklearn): calculan de manera eficiente los pares más cercanos y sus distancias correspondientes Error de aserción: 302! = 200 ¿Cómo ocultar la ventana de Firefox (Selenium WebDriver)? Numpy: producto exterior de n vectores Python: ¿Se evalúa la función de división varias veces en una lista de comprensión?

¿Qué semillas deben establecerse en el lugar para obtener una reproducibilidad del 100% de los resultados de entrenamiento en tensorflow?

En una configuración general de tensorflow como 

model = construct_model() with tf.Session() as sess: train_model(sess)

Donde construct_model() contiene la definición del modelo, incluida la inicialización aleatoria de pesos ( tf.truncated_normal ) y train_model(sess) ejecuta el entrenamiento del modelo –

¿Qué semillas tengo que establecer dónde asegurar el 100% de reproducibilidad entre ejecuciones repetidas del fragmento de código anterior? La documentación para tf.random.set_random_seed puede ser concisa, pero me dejó un poco confundido. Lo intenté: 

 tf.set_random_seed(1234) model = construct_model() with tf.Session() as sess: train_model(sess)

Pero obtuve diferentes resultados cada vez.

Una posible razón es que al construir el modelo, hay algunos códigos que utilizan el módulo numpy.random. Así que tal vez puedas intentar establecer la semilla para numpy, también.