Question

我试图用Keras获得可重复的结果，但是，每次运行程序时，我都会得到不同的结果。

我已经设置了python哈希种子，Numpy随机种子，随机种子，TensorFlow种子和kernel_initializer glorot_uniform种子，但是我仍然无法获得可重复的结果。我还能做其他事情来获得可重复的结果吗？

我希望这些预测是相同的，但是事实并非如此。我每次都得到不同的结果。

Answer 1

由于您使用的是Tensorflow作为后端的Keras，因此您会发现很难获得可再现的结果，尤其是在启用GPU的情况下。但是，仍然有一种方法可以实现此目的。

首先，不要使用GPU。

import os
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"
os.environ["CUDA_VISIBLE_DEVICES"] = ""

第二，就像您在代码中所做的一样，为Numpy，Random，TensorFlow等设置种子。

import tensorflow as tf
import numpy as np
import random as rn

sd = 1 # Here sd means seed.
np.random.seed(sd)
rn.seed(sd)
os.environ['PYTHONHASHSEED']=str(sd)

from keras import backend as K
config = tf.ConfigProto(intra_op_parallelism_threads=1,inter_op_parallelism_threads=1)
tf.set_random_seed(sd)
sess = tf.Session(graph=tf.get_default_graph(), config=config)
K.set_session(sess)

最后一个单词，两个代码段都应该放在代码的开头。

Answer 2

我创建了一个规则以实现可重复性：

适用于python 3.6，而不是3.7
首先安装Keras 2.2.4
安装tensorflow 1.9后

最后在代码中：

import numpy as np
import random as rn
import tensorflow as tf
import keras
from keras import backend as K

#-----------------------------Keras reproducible------------------#
SEED = 1234

tf.set_random_seed(SEED)
os.environ['PYTHONHASHSEED'] = str(SEED)
np.random.seed(SEED)
rn.seed(SEED)

session_conf = tf.ConfigProto(
    intra_op_parallelism_threads=1, 
    inter_op_parallelism_threads=1
)
sess = tf.Session(
    graph=tf.get_default_graph(), 
    config=session_conf
)
K.set_session(sess)
#-----------------------------------------------------------------#

Answer 3

使用tensorflow 2->！pip install tensorflow == 2.0.0-rc1

import tensorflow as tf

tf.random.set_seed(33)
os.environ['PYTHONHASHSEED'] = str(33)
np.random.seed(33)
random.seed(33)

session_conf = tf.compat.v1.ConfigProto(
    intra_op_parallelism_threads=1, 
    inter_op_parallelism_threads=1
)
sess = tf.compat.v1.Session(
    graph=tf.compat.v1.get_default_graph(), 
    config=session_conf
)
tf.compat.v1.keras.backend.set_session(sess)

如何使用Keras获得可重复的结果？

3 个答案: