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
Obtención de coordenadas poligonales acotadas de celdas Voronoi Cómo transformar datos con la ventana deslizante sobre los datos de series temporales en Pyspark Procesamiento de datos con la adición de columnas dinámicamente en Python Pandas Dataframe Cómo reducir la paleta de colores con PIL La mejor manera de perfilar / optimizar un sitio web en el appengine de google Fecha de análisis de Python con strptime ¿Cómo convertir el identificador de idioma IETF BCP 47 a ISO-639-2? Configuración sin cabeza de Pygame Probar si las listas comparten algún elemento en python atributo de valor para lxml.html operación unitaria bit a bit ~ (invertida) ¿Qué sucede cuando modifico un dataframe de pandas de la siguiente manera? ¿Cómo obtener el carácter ° en una cadena en python? Realizar un bucle for en paralelo en Python 3.2 ¿Cómo puedo obtener gráficos interactivos nuevamente en Spyder / IPython / matplotlib?

¿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.