Question

我有一个具有GB变量的图和一个随机函数（例如VAE）。我希望能够运行一个函数，并始终使用相同的随机序列（例如，输入大量x，并始终获得完全相同的z和y）。

我可以使用随机种子来实现这一目标，这样，每次我从头运行脚本（即初始化会话）时，我总是得到相同的序列。但是，我希望能够在不破坏会话的情况下重置随机序列，因此我可以反复调用我的函数（并获得相同的序列）。销毁和重新初始化会话并不是很理想，因为我丢失了GB的变量，而每次重新加载都是浪费。

再次设置随机种子（tf.set_random_seed）似乎没有影响（我认为tf.set_random_seed中的种子以某种方式与op种子结合并在op中烘焙了吗？）

有什么办法解决吗？

我已经阅读了documentation和大量有关张量流中随机种子的帖子（例如TensorFlow: Resetting the seed to a constant value does not yield repeating results，Tensorflow `set_random_seed` not working，TensorFlow: Non-repeatable results，how to get reproducible result in Tensorflow，{ {3}}）但是我无法得到我想要的行为。

例如玩具代码

import tensorflow as tf
tf.set_random_seed(0)
a = tf.random_uniform([1], seed=1)

def foo(s, a, msg):
    with s.as_default(): print msg, a.eval(), a.eval(), a.eval(), a.eval()


s = tf.Session()
foo(s, a, 'run1 (first session):')

# resetting seed does not reset sequence. is there anything else I can do?
tf.set_random_seed(0)
foo(s, a, 'run2 (same session) :')

# reinitialising session works, but how to do this without closing session and reinitializing?
# and losing GBs of variables which I'd rather not reload
s.close()
s = tf.Session()
foo(s, a, 'run3 (new session)  :')

给出结果：

run1 (first session): [ 0.53973019] [ 0.54001355] [ 0.43089259] [ 0.30245078]
run2 (same session) : [ 0.112077] [ 0.99792898] [ 0.17628896] [ 0.13141966]
run3 (new session)  : [ 0.53973019] [ 0.54001355] [ 0.43089259] [ 0.30245078]

如何在张量流中``重置''随机序列

0 个答案: