【Tensorflow】tf.set_random

tf.set_random_seed(seed) 用于：设置图级随机seed。

seed操作有两种设置方式：图级seed 和操作级seed。

并且两种seed是关联使用的。

相互作用如下：

1.如果没有设置图形级别和操作seed，则使用随机seed进行操作。
2.如果设置了图级seed，但操作seed没有设置：系统确定性地选择与图级seed一起的操作seed，以便获得唯一的随机序列。
3.如果没有设置图级seed，但是设置了操作seed：使用默认的图级seed和指定的操作seed来确定随机序列。
4.如果图级和操作seed都被设置：两个seed联合使用以确定随机序列。

为了说明用户可见的效果，请考虑以下示例：

要跨会话生成不同的序列，既不设置图级别也不设置op级别的seed：

a = tf.random_uniform([1])
b = tf.random_normal([1])print("Session 1")
with tf.Session() as sess1:print(sess1.run(a))  # generates 'A1'print(sess1.run(a))  # generates 'A2'print(sess1.run(b))  # generates 'B1'print(sess1.run(b))  # generates 'B2'print("Session 2")
with tf.Session() as sess2:print(sess2.run(a))  # generates 'A3'print(sess2.run(a))  # generates 'A4'print(sess2.run(b))  # generates 'B3'print(sess2.run(b))  # generates 'B4'

要为跨会话生成一个可操作的序列，请为op设置seed：

a = tf.random_uniform([1], seed=1)
b = tf.random_normal([1])

# Repeatedly running this block with the same graph will generate the same
# sequence of values for 'a', but different sequences of values for 'b'.
print("Session 1")
with tf.Session() as sess1:print(sess1.run(a))  # generates 'A1'print(sess1.run(a))  # generates 'A2'print(sess1.run(b))  # generates 'B1'print(sess1.run(b))  # generates 'B2'print("Session 2")
with tf.Session() as sess2:print(sess2.run(a))  # generates 'A1'print(sess2.run(a))  # generates 'A2'print(sess2.run(b))  # generates 'B3'print(sess2.run(b))  # generates 'B4'

为了使所有op产生的随机序列在会话之间是可重复的，请设置一个图级别的seed：

tf.set_random_seed(1234)
a = tf.random_uniform([1])
b = tf.random_normal([1])# Repeatedly running this block with the same graph will generate different
# sequences of 'a' and 'b'.
print("Session 1")
with tf.Session() as sess1:print(sess1.run(a))  # generates 'A1'print(sess1.run(a))  # generates 'A2'print(sess1.run(b))  # generates 'B1'print(sess1.run(b))  # generates 'B2'print("Session 2")
with tf.Session() as sess2:print(sess2.run(a))  # generates 'A1'print(sess2.run(a))  # generates 'A2'print(sess2.run(b))  # generates 'B1'print(sess2.run(b))  # generates 'B2'

Args:

seed: integer.

【Tensorflow】tf.set_random_seed(seed)相关推荐

【Tensorflow】tf.nn.atrous_conv2d如何实现空洞卷积？膨胀卷积
介绍关于空洞卷积的理论可以查看以下链接,这里我们不详细讲理论: 1.Long J, Shelhamer E, Darrell T, et al. Fully convolutional networ ...
【TensorFlow】tf.nn.softmax_cross_entropy_with_logits的用法
[TensorFlow]tf.nn.softmax_cross_entropy_with_logits的用法 from:https://blog.csdn.net/mao_xiao_feng/arti ...
【TensorFlow】tf.nn.softmax_cross_entropy_with_logits中的“logits”到底是个什么意思？
tf.nn.softmax_cross_entropy_with_logits中的"logits"到底是个什么意思?_玉来愈宏的随笔-CSDN博客 https://blog.csd ...
【TensorFlow】tf.nn.softmax_cross_entropy_with_logits 函数：求交叉熵损失
[TensorFlow]tf.nn.softmax_cross_entropy_with_logits的用法_xf__mao的博客-CSDN博客 https://blog.csdn.net/mao_x ...
【Tensorflow】tf.nn.depthwise_conv2d如何实现深度卷积?+深度可分离卷积详解
目录常规卷积操作深度可分离卷积 = 逐通道卷积+逐点卷积 1.逐通道卷积 2.逐点卷积参数对比介绍实验代码清单一些轻量级的网络,如mobilenet中,会有深度可分离卷积depthwis ...
【Tensorflow】 tf.equal(tf.argmax(y, 1),tf.argmax(y_, 1))用法
[Tensorflow] tf.equal(tf.argmax(y, 1),tf.argmax(y_, 1))用法作用:输出正确的预测结果利用tf.argmax()按行求出真实值y_.预测值y最大 ...
【TensorFlow】tf.nn.conv2d是怎样实现卷积的？
int height_col= (height + 2 * pad_h - kernel_h) / stride_h + 1; int width_col = (width + 2 * pad_w - ...
【Tensorflow】TF中的字符串tf.string
目录 string 的定义 string 类型常用的函数 tf.as_string() tf.substr() tf.string_to_number() tf.string_split() tf.s ...
【TensorFlow】tf.concat的用法
tf.concat是连接两个矩阵的操作 tf.concat(concat_dim, values, name='concat') 除去name参数用以指定该操作的name,与方法有关的一共两个参数: ...

【Tensorflow】tf.set_random_seed(seed)

【Tensorflow】tf.set_random_seed(seed)相关推荐

最新文章

热门文章