Question

我在TensorFlow（版本1.4.0）中获得非重复结果，即使我每次都将种子重置为相同的值：

import tensorflow as tf
sess = tf.InteractiveSession()
for i in range(5):
    tf.set_random_seed(1234)
    print(sess.run(tf.random_uniform([1])))

输出结果为：

[ 0.96046877]
[ 0.85591054]
[ 0.20277488]
[ 0.81463408]
[ 0.75180626]

我不明白这与documentation：

的一致性

如果设置了图级别种子，但操作种子不是：系统确定性地将操作种子与图级别种子一起选取，以便它获得唯一的随机序列。

这是不是意味着如果我设置图级别的种子（就像我一样，使用set_random_seed），并且我没有设置操作种子（就像在我的情况下，我没有在random_uniform中指定seed参数，我应该期望得到重复的结果吗？

在this question中解决了类似的问题，但这里主要强调的是理解文档的含义。

其他详情：

>> tf.__version__
'1.4.0-rc0'

>> tf.__git_version__
'v1.3.0-rc1-3732-g2dd1015'

编辑1：

我想我猜想为什么会出现这种行为。

句子“系统确定性地选择与图级别种子结合的操作种子”并不意味着操作种子仅是图种子的函数。相反，它也是一些内部计数器变量的函数。这有道理的原因是，否则，运行

tf.set_random_seed(1234)
print(sess.run(tf.random_uniform([1])))
print(sess.run(tf.random_uniform([1])))

将产生两个相同的结果（这是由于（？）随机数生成器是无状态的，并且每个op都有自己的种子）。

为了证实这一点，我发现当终止python并再次打开它时，问题开头的整个代码序列确实会产生重复的结果。另外，深入研究TensorFlow的来源，我看到文件random_seed.py有行

  if graph_seed is not None:
    if op_seed is None:
      op_seed = ops.get_default_graph()._last_id
    seeds = _truncate_seed(graph_seed), _truncate_seed(op_seed)

表明op的种子是两个种子的组合：图形种子和图形的_last_id属性，它是在每个添加到图形的操作上增加的计数器。 / p>

TensorFlow：将种子重置为常量值不会产生重复结果

0 个答案: