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
Seleccionar valores nulos en SQLAlchemy Paquete de solicitudes Python: manejo de respuesta xml Progtwig Python para dividir una lista en dos listas con elementos alternos Intentando fusionar 2 marcos de datos pero obtener ValueError Cómo pasar sobre nextPageToken usando el inicio rápido de Python de GoogleDrive suelte las filas de objetos que no sean json de la columna del dataframe de Python Encuentre el objeto de fecha y hora más antiguo / más joven en una lista Error de índice: índice de lista fuera de rango (Python) Suma digital, Python ¿Cómo obtener la ruta de un elemento en lxml? ipython lee la versión incorrecta de python Cargar texto para un número específico de líneas ¿Cómo puedo obtener socket connect () no bloqueantes? Equivalente de wget en Python para descargar el sitio web y los recursos UnicodeEncodeError al analizar el nombre del mes con el tiempo de ejecución de Python

¿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.