当我反复运行tf.estimator.LinearRegressor时，结果每次都略有不同。我猜这是因为shuffle=True在这里：
input_fn = tf.estimator.inputs.numpy_input_fn(
{"x": x_train}, y_train, batch_size=4, num_epochs=None, shuffle=True)
尽管这样做很好，但是当我试图通过在np和tf中播种随机数生成器来确定它时：
np.random.seed(1)
tf.set_random_seed(1)
每次结果仍然略有不同。我错过了什么？
答案 0 :(得分：3)
tf.set_random_seed设置图级种子，但它不是随机性的唯一来源，因为还有操作级种子，需要为每个操作提供。
不幸的是，tf.estimator.inputs.numpy_input_fn没有提供seed参数和shuffle来将它们传递给基础操作（source code）。因此，_enqueue_data函数始终获取seed=None，这将重置您提前设置的任何种子。顺便说一下，有趣的是要注意许多底层feed函数使用标准python random.seed进行随机播放，而不是tensorflow random（参见_ArrayFeedFn，_OrderedDictNumpyFeedFn等）。
摘要：目前无法保证shuffle=True的稳定执行，至少使用当前的API。您唯一的选择是自己洗牌并传递shuffle=False。