如何使用TensorFlow设置随机种子获得稳定的结果- AskGo

如何使用TensorFlow设置随机种子获得稳定的结果

numpy

python

tensorflow

我正在尝试使用不同的参数多次运行神经网络，以便校准网络参数（辍学概率，学习率ed）。但是我遇到的问题是，当我按如下所示循环运行网络时，在保持参数不变的情况下运行网络仍然为我提供了不同的解决方案：

filename = create_results_file()
for i in range(3):
  g = tf.Graph()
  with g.as_default():
    accuracy_result, average_error = network.train_network(
        parameters, inputHeight, inputWidth, inputChannels, outputClasses)
    f, w = get_csv_writer(filename)
    w.writerow([accuracy_result, "did run %d" % i, average_error])
    f.close()

在设置网络的层和错误功能之前，我在train_network函数的开头使用了以下代码：

np.random.seed(1)
tf.set_random_seed(1)

我还尝试在TensorFlow图形创建之前添加此代码，但是在结果输出中我不断获得不同的解决方案。

我正在使用AdamOptimizer并使用tf.truncated_normal初始化网络权重。另外，我正在使用np.random.permutation来随机播放每个时期的传入图像。

参考资料：

Stack Overflow

2020-05-29 21:13:59 更新

Alva Tennyson• 700

共 4 个回答

高赞时间活跃

请在代码之前添加所有随机种子函数：

tf.reset_default_graph()
tf.set_random_seed(0)
random.seed(0)
np.random.seed(0)

我认为，TensorFlow中的某些模型正在使用numpy或python random函数。

2020-05-29 21:14:38 更新

东方鹏天• 691

确定性行为可以通过提供图形级种子或操作级种子来获得。两者都为我工作。可以使用tf.set_random_seed放置图级种子。可以将操作级别的种子放置在例如变量初始化器中，例如：

myvar = tf.Variable(tf.truncated_normal(((10,10)), stddev=0.1, seed=0))

2020-05-29 21:14:38 更新

Rosemary Ruskin• 647

设置当前TensorFlow随机种子仅影响当前默认图。由于要为训练创建一个新图并将其设置为默认图（ with g.as_default(): ，因此必须在with block的范围内设置随机种子。

例如，您的循环应如下所示：

for i in range(3):
  g = tf.Graph()
  with g.as_default():
    tf.set_random_seed(1)
    accuracy_result, average_error = network.train_network(
        parameters, inputHeight, inputWidth, inputChannels, outputClasses)

请注意，这将为外部for循环的每次迭代使用相同的随机种子。如果要在每次迭代中使用tf.set_random_seed(i + 1)但仍是确定性的）种子，则可以使用tf.set_random_seed(i + 1) 。

2020-05-29 21:14:28 更新

Alva Tennyson• 700